Influence of Proteins and Building Direction on the Corrosion and Tribocorrosion of CoCrMo Fabricated by Laser Powder Bed Fusion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cobalt–chromium–molybdenum (CoCrMo) alloys are common wear-exposed biomedical alloys and are manufactured in multiple ways, increasingly using additive manufacturing processes such as laser powder bed fusion (LPBF). Here, we investigate the effect of proteins and the manufacturing process (wrought vs LPBF) and building orientation (LPBF- XY and XZ ) on the corrosion, metal release, tribocorrosion, and surface oxide composition by means of electrochemical, mechanical, microscopic, diffractive, and spectroscopic methods. The study was conducted at pH 7.3 in 5 g/L NaCl and 5 mM 2-( N -morpholino) ethanesulfonic acid (MES) buffer, which was found to be necessary to avoid metal phosphate and metal–protein aggregate precipitation. The effect of 10 g/L bovine serum albumin (BSA) and 2.5 g/L fibrinogen (Fbn) was studied. BSA and Fbn strongly enhanced the release of Co, Cr, and Mo and slightly enhanced the corrosion (still in the passive domain) for all CoCrMo alloys and most for LPBF- XZ, followed by LPBF- XY and the wrought CoCrMo. BSA and Fbn, most pronounced when combined, significantly decreased the coefficient of friction due to lubrication, the wear track width and severity of the wear mechanism, and the tribocorrosion for all alloys, with no clear effect of the manufacturing type. The wear track area was significantly more oxidized than the area outside of the wear track. In the reference solution without proteins, a strong Mo oxidation in the wear track surface oxide was indicative of a pH decrease and cell separation of the anodic and cathodic areas. This effect was absent in the presence of the proteins.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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