MétaCan
Menu
Retour à la cohorte
Enregistrement W2850778496 · doi:10.1080/02670844.2018.1495408

Laser surface texturing of SS316L for enhanced adhesion of HUVECs

2018· article· en· W2850778496 sur OpenAlexafffund
Agung Purnama, Valentina Furlan, Desirèe Dessi, Ali Gökhan Demir, R. Tolouei, Carlo Paternoster, Lucie Lévesque, Barbara Previtali, Diego Mantovani

Notice bibliographique

RevueSurface Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésAdhesionMaterials scienceSurface modificationLaserSurface micromachiningCell adhesionSurface (topology)Composite materialNanotechnologySurface structureChemical engineeringBiophysicsFabricationOpticsChemistryCrystallographyGeometry

Résumé

récupéré en direct d'OpenAlex

This study investigates the effects of the structured surface on the adhesion, proliferation and alignment of endothelial cells (HUVECs). The chemical state of laser-structured surface was also investigated in comparison with the non-treated surface. A novel design for biomedical applications consisting of parallel chain-like structures was realised on stainless steel surface by laser micromachining. The structures were designed to employ surface topography in the presence of micron and sub-micron features and to avoid intensive surface modification that could compromise the mechanical properties of thin devices like cardiovascular stents. The results showed that the structured surfaces favored the adhesion, proliferation and alignment of HUVECs. The proliferation and the alignment of HUVECs were pronounced when the periodic distance between two consecutive chain-like structures was 25 µm. Moreover, there was no significant difference in chemical composition on the structured surface suggesting that the cell proliferation and alignment were mainly influenced by the surface topography.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,220
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSurface EngineeringMême sujetLaser Material Processing TechniquesTravaux en français237 207