MétaCan
Menu
Retour à la cohorte
Enregistrement W4281260392 · doi:10.1016/j.dib.2022.108305

Experimental data on the characterization of hydroxyapatite produced from a novel mixture of biowastes

2022· article· en· W4281260392 sur OpenAlexfundno aff
Obinna Anayo Osuchukwu, Abdu Salihi, Ibrahim Abdullahi, David O. Obada

Notice bibliographique

RevueData in Brief · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Mechanical Engineering, University of AlbertaTertiary Education Trust FundAhmadu Bello University
Mots-clésCharacterization (materials science)Research articleComputer scienceData scienceMaterials scienceChemistryNanotechnologyLibrary science

Résumé

récupéré en direct d'OpenAlex

The purpose of this data narrative is to report the morphological structures, functional groups, elemental composition, pH adaptability and mechanical properties of hydroxyapatite (HAp) biomaterials synthesized from a novel mixture of biowastes (bovine and catfish bones) by a simple sol-gel method assisted with sintering at 900 °C. The produced powders were homogenously mixed by the sol-gel approach at different weights (depicted by sample nomenclature) and characterized using scanning electron microscopy (SEM) equipped with electron dispersive X-ray analysis (EDX), X-ray fluorescence (XRF), Fourier Transform Infrared Spectroscopy (FT-IR), immersion in phosphate buffer saline (PBS), and mechanical measurements (hardness and fracture toughness). The SEM micrographs revealed pore interconnections in all samples. The EDX analysis revealed that the as-sintered HAp samples had Ca/P weight ratios of 2.38, 2.51, 2.86, 2.89, and 3.10 for C100, BC 75/25, BC 50/50, BC 25/75, and B100 samples, respectively. The FT-IR spectra was typical of the bands associated with hydroxyapatite (i.e., those associated with the PO43− , CO32- groups and absorbed water). The prepared biomaterials showed pH adaptability and good mechanical strength.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,237
Écart entre enseignants0,202 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreJeu de données

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

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetBone Tissue Engineering MaterialsTravaux en français237 207