MétaCan
Menu
Retour à la cohorte
Enregistrement W4404082717 · doi:10.1016/j.mtla.2024.102285

Effects of plasma surface modification of Mg-2Y-2Zn-1Mn for biomedical applications

2024· article· en· W4404082717 sur OpenAlexafffund
Masoud Shekargoftar, Samira Ravanbakhsh, Vinicius Sales de Oliveira, Joseph Buhagiar, Nicolas Brodusch, Stéphanie Bessette, Carlo Paternoster, Frank Witte, A. Sarkissian, Raynald Gauvin, Diego Mantovani

Notice bibliographique

RevueMaterialia · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensPlasmionique (Canada)McGill UniversityUniversité Laval
Organismes subventionnairesUniversité Laval
Mots-clésMaterials scienceSurface modificationPlasmaNanotechnologyChemical engineering

Résumé

récupéré en direct d'OpenAlex

Magnesium (Mg) alloys have emerged as promising materials for biodegradable implants in orthopedic, oral, and cardiovascular applications. Despite their potential, high corrosion rate, and release of diatomic hydrogen in the surrounding environment remain the unmet challenges. In this research, oxygen plasma ion immersion implantation (O-PIII) was investigated in an attempt to modify the degradation rate of Mg-2Y-2Zn-1Mn alloy. In particular, the effects of pulse duration (tpd) and pressure (p) on the degradation rate were investigated. For all the investigated conditions, plasma treatment enriched the surface chemical composition with O, forming a Mgand Y- rich oxide layer. Mg and Y elements were mainly concentrated at grain boundaries. The concurrent phenomena of sputtering and energetic implantation led to crystalline Y2O3 formation. Electrochemical investigations confirm that the degradation rate of samples decreased significantly, from ~0.23 mm/y for untreated to ~0.07 mm/y for O-PIII conditions. These findings demonstrate the effectiveness of O-PIII in changing surface properties and controlling corrosion rate of Mg alloys.

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 enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,266
Écart entre enseignants0,251 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialiaMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207