MétaCan
Menu
Retour à la cohorte
Enregistrement W4281491410 · doi:10.1515/bmt-2022-0017

Non-woven textiles for medical implants: mechanical performances improvement

2022· article· en· W4281491410 sur OpenAlexaff
Amandine Lequeux, Benoît Mazé, Gaétan Laroche, Frédéric Heim

Notice bibliographique

RevueBiomedizinische Technik/Biomedical Engineering · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensUniversité LavalHôpital Saint-François d'AssiseCentre hospitalier universitaire de Québec
Organismes subventionnairesnon disponible
Mots-clésImage stitchingReinforcementUltimate tensile strengthMaterials scienceComposite materialTextileWeavingYarnWoven fabricStructural engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Non-woven textile has been largely used as medical implant material over the last decades, especially for scaffold manufacturing purpose. This material presents a large surface area-to-volume ratio, which promotes adequate interaction with biological tissues. However, its strength is limited due to the lack of cohesion between the fibers. The goal of the present work was to investigate if a non-woven substrate can be reinforced by embroidery stitching towards strength increase. Non-woven samples were produced from both melt-blowing and electro-spinning techniques, reinforced with a stitching yarn and tested regarding several performances: ultimate tensile strength, burst strength and strength loss after fatigue stress. Several stitching parameters were considered: distance between stitches, number of stitch lines (1, 2 or 3) and line geometry (horizontal H, vertical L, cross X). The performance values obtained after reinforcement were compared with values obtained for control samples. Results bring out that reinforcement can increase the strength by up to 50% for a melt-blown mat and by up to 100% for an electro-spun mat with an X reinforcement pattern. However, after cyclic loading, the reinforcement yarn tends to degrade the ES mat in particular. Moreover, increasing the number of stitches tends to fragilize the mats.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,240
Écart entre enseignants0,235 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedizinische Technik/Biomedical EngineeringMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207