Drug release from polymer-coated TiO<sub>2</sub> nanotubes on additively manufactured Ti-6Al-4V bone implants: a feasibility study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Insufficient osseointegration, inflammatory response and bacterial infection are responsible for the majority of bone implant failures. Drug-releasing implants subjected to adequate surface modification can concurrently address these challenges to improve the success of implant surgeries. This work investigates the use of Ti-6Al-4V (Ti64) with a dual-scale surface topography as a platform for local drug delivery. Dual-scale topography was obtained combining the inherent microscale roughness of the Ti64 samples manufactured by selective laser melting (SLM) with the nanoscale roughness of TiO 2 nanotubes (TNTs) obtained by subsequent electrochemical anodization at 60 V for 30 min. TNTs were loaded with a solution of penicillin-streptomycin, a common antibiotic, and drug release was tested in vitro. Three biocompatible and biodegradable polymers, i.e. chitosan, poly(ε-caprolactone) and poly(3-hydroxybutyrate), were deposited by spin coating, while preserving the microscale topography of the substrate underneath. The presence of polymer coatings overall modified the drug release pattern, as revealed by fitting of the experimental data with a power-law model. A slight extension in the overall duration of drug release (about 17% for a single layer and 33% for two layers of PCL and PHB) and reduced burst release was observed for all polymer-coated samples compared to uncoated, especially when two layers of coatings were applied.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle