MétaCan
Menu
Retour à la cohorte
Enregistrement W4210694126 · doi:10.1016/j.carbpol.2022.119198

Bacterial nanocellulose enables auxetic supporting implants

2022· article· en· W4210694126 sur OpenAlexafffund
Rubina Ajdary, Roozbeh Abidnejad, Janika Lehtonen, Jani Kuula, Eija Raussi-Lehto, Esko Kankuri, Blaise L. Tardy, Orlando J. Rojas

Notice bibliographique

RevueCarbohydrate Polymers · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesTekniikan EdistämissäätiöAalto-YliopistoBusiness FinlandCanada Foundation for Innovation
Mots-clésUltimate tensile strengthMaterials scienceAuxeticsNanocelluloseExtracellular matrixBiomaterialNanotechnologyComposite materialBiomedical engineeringChemistryCellulose

Résumé

récupéré en direct d'OpenAlex

Owing to its purity and exceptional mechanical performance, bacterial nanocellulose (BNC) is well suited for tissue engineering applications. BNC assembles as a network that features similarities with the extracellular matrix (ECM) while exhibiting excellent integrity in the wet state, suitable for suturing and sterilization. The development of complex 3D forms is shown by taking advantage of the aerobic process involved in the biogenesis of BNC at the air/culture medium interphase. Hence, solid supports are used to guide the formation of BNC biofilms that easily form auxetic structures. Such biomaterials are demonstrated as implantable meshes with prescribed opening size and infill density. The measured mechanical strength is easily adjustable (48-456 MPa tensile strength) while ensuring shape stability (>87% shape retention after 100 burst loading/unloading cycles). We further study the cytotoxicity, monocyte/macrophage pro-inflammatory activation, and phenotype to demonstrate the prospective use of BNC as supportive implants with long-term comfort and minimal biomaterial fatigue.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,010
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,019
Tête enseignante GPT0,275
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

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

Citations36
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCarbohydrate PolymersMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207