MétaCan
Menu
Retour à la cohorte
Enregistrement W3111799600 · doi:10.1557/s43578-020-00087-0

A review on the recent advances concerning the fatigue performance of titanium alloys for orthopedic applications

2021· review· en· W3111799600 sur OpenAlexfundno aff
Leonardo Contri Campanelli

Notice bibliographique

RevueJournal of materials research/Pratt's guide to venture capital sources · 2021
Typereview
Langueen
DomaineMaterials Science
ThématiqueTitanium Alloys Microstructure and Properties
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Materials ResearchUniversidade de São PauloFundação de Amparo à Pesquisa do Estado de São PauloPetrobrasConselho Nacional de Desenvolvimento Científico e TecnológicoInstituto Tecnológico de AeronáuticaUniversité Laval
Mots-clésMaterials scienceTitanium alloyOsseointegrationMicrostructureAlloySurface roughnessTitaniumMetallurgyComposite materialImplant

Résumé

récupéré en direct d'OpenAlex

Abstract This article presents a review on recent advances in the fatigue behavior of Ti alloys, especially the main commercial compositions for orthopedic applications. In the case of well‐known Ti–6Al–4V alloy, the major concern is related to the effect of the surface modification necessary to improve the osseointegration. The introduction of surface discontinuities due to the growth of a porous oxide layer, or the roughness development, may severely affect the fatigue performance depending on the level of alteration. In the case of additive manufactured Ti–6Al–4V, the fatigue response is also influenced by inherent defects of as‐built parts. Regarding the recently developed metastable β alloys, information about the fatigue properties is still scarce and mainly related to the effect of second phase precipitates, which are introduced to optimize the mechanical properties. The fatigue behavior of the Ti alloys is complex, as is their microstructure, and should not be neglected when the alloys are being developed or improved to be applied in medical devices.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,116
Tête enseignante GPT0,399
Écart entre enseignants0,284 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations51
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of materials research/Pratt's guide to venture capital sourcesMême sujetTitanium Alloys Microstructure and PropertiesTravaux en français237 207