MétaCan
Menu
Retour à la cohorte
Enregistrement W4381848175 · doi:10.1016/j.jmrt.2023.06.204

Impact of aging on the sintering behavior of bioactive-glass powder

2023· article· en· W4381848175 sur OpenAlexaff
Andrea Mari, Matteo Pavarini, Pier Francesco Menci, Cindy Charbonneau, Louis‐Philippe Lefebvre, Luigi De Nardo

Notice bibliographique

RevueJournal of Materials Research and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSinteringFabricationBioactive glassMoistureComposite materialChemical engineeringProcess engineering

Résumé

récupéré en direct d'OpenAlex

Bioactive glasses (BGs) have been successfully used for several years as bone graft substitutes to fill defects and augment bone structures in orthopedic and dental procedures. Despite recent advances in the fabrication of reliable 3D scaffolds based on BG, the reproducibility of fabrication has only been marginally addressed and remains a challenge for their application. Recent studies have shown that BGs can react with moisture and atmospheric CO2 to form carbonates, affecting the properties and structure of the final product. In this study, factors that can affect the sintering behavior of BG powders were identified and investigated. A statistical analysis was then performed to optimize the BG sintering process, which revealed the possibility of obtaining BG scaffolds with reproducible density by acting on controllable factors such as aging and drying. In practice, this can be achieved by controlling the atmosphere during processing, handling, and storage of the material.

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 enseignants0,006
Score d'incertitude au seuil0,289

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,044
Tête enseignante GPT0,344
Écart entre enseignants0,300 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetBone Tissue Engineering MaterialsTravaux en français237 207