MétaCan
Menu
Retour à la cohorte
Enregistrement W3209529515 · doi:10.1016/j.bioactmat.2021.10.034

Potential bioactive coating system for high-performance absorbable magnesium bone implants

2021· review· en· W3209529515 sur OpenAlexafffund
Murni Nazira Sarian, Nida Iqbal, Pedram Sotoudehbagha, Mehdi Razavi, Qamar Uddin Ahmed, Cortino Sukotjo, Hendra Hermawan

Notice bibliographique

RevueBioactive Materials · 2021
Typereview
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversiti Kebangsaan Malaysia
Mots-clésMagnesiumCorrosionMaterials scienceCoatingBone healingMetallurgyBiomedical engineeringComposite materialSurgery

Résumé

récupéré en direct d'OpenAlex

Magnesium alloys are considered the most suitable absorbable metals for bone fracture fixation implants. The main challenge in absorbable magnesium alloys is their high corrosion/degradation rate that needs to be controlled. Various coatings have been applied to magnesium alloys to slow down their corrosion rates to match their corrosion rate to the regeneration rate of the bone fracture. In this review, a bioactive coating is proposed to slow down the corrosion rate of magnesium alloys and accelerate the bone fracture healing process. The main aim of the bioactive coatings is to enhance the direct attachment of living tissues and thereby facilitate osteoconduction. Hydroxyapatite, collagen type I, recombinant human bone morphogenetic proteins 2, simvastatin, zoledronate, and strontium are six bioactive agents that show high potential for developing a bioactive coating system for high-performance absorbable magnesium bone implants. In addition to coating, the substrate itself can be made bioactive by alloying magnesium with calcium, zinc, copper, and manganese that were found to promote bone regeneration.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,036
Tête enseignante GPT0,281
Écart entre enseignants0,246 · 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

Citations101
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioactive MaterialsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207