MétaCan
Menu
Retour à la cohorte
Enregistrement W4322741659 · doi:10.3390/met13030494

Preparation of Tannic Acid/Hyaluronic Acid Coating to Improve the Corrosion Resistance of Implant Material Based on AZ31B Magnesium Alloy

2023· article· en· W4322741659 sur OpenAlexaff
Aurelia Salsabila, Aditya Pratama, Andrieanto Nurrochman, Hendra Hermawan, Anggraini Barlian, Ekavianty Prajatelistia

Notice bibliographique

RevueMetals · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCorrosionMagnesiumTannic acidCoatingBiocompatibilityMagnesium alloyTafel equationMaterials scienceMetallurgyNuclear chemistryAlloyHyaluronic acidChemistryChemical engineeringComposite materialOrganic chemistryElectrochemistry

Résumé

récupéré en direct d'OpenAlex

Magnesium (Mg) has good biocompatibility, making it suitable as an implant material. However, Mg has a high corrosion rate because of the reaction between magnesium implants and fluids in the human body. To lower the corrosion rate of magnesium alloys, it is necessary to perform a coating process using tannic acid (TA) and hyaluronic acid (HYA), as we have done in this study. TA, an active ingredient, is relatively inexpensive, easy to find, and can effectively reduce the degradation rate. SEM characterization showed that the TA–HYA layer was formed by chelation between the Mg and TA surfaces. Furthermore, adding HYA to the coating covered the cracks caused by the TA layer and increased the hydrophilic properties. In vitro corrosion tests using Tafel polarization showed that the TA–HYA coating reduced the corrosion rate of the magnesium alloy from 7.379 mm/year to 0.204 mm/year. The immersion test in the SBF solution showed that the TA–HYA layer could bind Mg2+, which is beneficial for new bone growth.

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 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 enseignants0,003
Score d'incertitude au seuil0,448

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,276
Écart entre enseignants0,257 · 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.

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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207