MétaCan
Menu
Retour à la cohorte
Enregistrement W4313059527 · doi:10.2298/pac2203230l

Bone-bioglass graft - an alternative to improve the osseointegration

2022· article· en· W4313059527 sur OpenAlexaff
Rauany Cristina Lopes Francisco, Roberto Gustavo Furlan, Wagner Correr, Lísias Pereira Novo, Luís Henrique Montrezor, Édison Pécoraro, Eliane Trovatti

Notice bibliographique

RevueProcessing and Application of Ceramics · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBiomaterialOsseointegrationBiomedical engineeringMaterials scienceBioactive glassBone formationDentistryChemistryChemical engineeringImplantNanotechnologySurgeryComposite materialMedicine

Résumé

récupéré en direct d'OpenAlex

Homologues and xenogenous bones are currently the most used grafts in dentistry because of their performance. However, some inherent disadvantages of these materials have not yet been overcome, such as the lack of biological properties to improve the new bone formation in situ and the long remodeling time. The main aim of this work was to improve the performance of the commercial bone-based grafts and study its properties in vitro. For this purpose, rat bone was combined with bioglass, a synthetic biomaterial that displays high degradation kinetics and bioactivity properties, endowed with biological properties. The sol-gel method was used for 45S5 bioglass (45S5) synthesis, using TEOS and water soluble salts as starting materials. 45S5 was then associated with the rat bone, generating the new graft. FTIR results indicated the hydroxyapatite formation after the bioactivity tests. SEM and bioactivity results were used to assess the evolution of the graft. The bioactivity tests showed that after 30 days the mass gain of about 30 wt.% was due to the deposition of hydroxyapatite crystals at the surface of the grafts, suggesting the potential properties of this new graft for application in implantology.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,007
Tête enseignante GPT0,233
Écart entre enseignants0,227 · 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
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 revueProcessing and Application of CeramicsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207