Investigating the Fracture Resistance of Bioactive Glass Coatings on Metallic Implants
Notice bibliographique
Résumé
Bioactive glasses have been used experimentally as coatings for medical implants because of their good osseointegration properties and ability to inhibit bacterial proliferation. However, the available literature lacks quantitative studies for characterizing their mechanical properties. This research postulates two fracture mechanics testing methodologies that facilitate measuring the nearly pure mode I (opening) and mode II (shearing) critical strain energy release rate (GIC, GIIC) of the coating/substrate system. Using these methodologies, the effects of coating thickness, glass composition and degradation on the GIC and GIIC of the system were evaluated. The developed mode I testing methodology was applied on a silicate bioactive glass/Ti6Al4V substrate system and it was found that increasing the coating thickness from 90 to 390 μm, decreased the measured GIC of the system significantly, from 6.2 to 2.5 J/m2. This decrease was found to be due to the increase in the residual stresses in the thicker coatings. The mode I testing methodology was then applied on two series of silica-based and borate-based glass coating, with increasing amounts of TiO2 incorporated, and it was observed that an increase in the content of TiO2 in the glasses resulted in an increase in the GIC for both the bulk glass and for the coating/substrate system. The borate-based series was found to have a closer CTE to the substrate compared to the silica counterpart, suggesting that use of such glasses as coatings can minimize the chances of delamination and cracking. Incorporating SrCO3 in a series of borate bioactive glass coating also proved to significantly increase the GIC and GIIC of the system. In order to study the effect of degradation, the borate bioactive glass coatings on Ti6Al4V substrates were immersed in deionized water for different time periods, dried and tested. It was found that after 17% weight loss of the glass, the GIC and GIIC of the coating/substrate system for all compositions decreased by at least 80%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».