Hyaluronan incorporation into model contact lens hydrogels as a built‐in lubricant: Effect of hydrogel composition and proteoglycan 4 as a lubricant in solution
Notice bibliographique
Résumé
Abstract Contact lens friction significantly correlates with subjective comfort. Hyaluronan (HA) and proteoglycan 4 (PRG4) are natural boundary lubricants present in the body. The objective of this study was to assess the effect of crosslinked HA into the bulk of model contact lens materials pHEMA, pHEMA/TRIS, and DMAA/TRIS on surface wettability, protein sorption, and boundary lubricating properties at a material–cornea biointerface, both alone and synergistically with PRG4 in solution. Surface wettability was assessed by water contact angle measurement, protein sorption by lysozyme sorption assay, and boundary lubricating properties using an in vitro friction test method. HA incorporation (HA inc ) increased the surface wettability of all materials, and reduced protein sorption for pHEMA and DMAA/TRIS. HA inc increased friction for pHEMA, and DMAA/TRIS, whereas a decrease was observed for pHEMA/TRIS. A combination of HA inc and PRG4 sol had a synergistic effect of reducing friction only for pHEMA/TRIS. This combination had similar friction reduction compared with PRG4 sol alone for DMAA/TRIS. These results indicate HA incorporation could be an effective internal wetting agent, antiadhesive, and boundary lubricant for pHEMA/TRIS silicone hydrogels. In conclusion, HA incorporation can reduce friction of hydrogels alone and in combination with PRG4 in solution, though in a hydrogel composition‐dependent (e.g., TRIS) manner. © 2017 Wiley Periodicals, Inc. J Biomed Mater Res Part B: Appl Biomater, 106B: 1818–1826, 2018.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».