MétaCan
Menu
Retour à la cohorte
Enregistrement W4406183907 · doi:10.1002/jbm.a.37870

Synthesis and Characterization of a Nanoclay Reinforced Gelatin‐Based Hybrid Hydrogel

2025· article· en· W4406183907 sur OpenAlexafffund
Mahmoud A.S. Sakr, Sumi Siddiqua, Su Ryon Shin, Keekyoung Kim

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of CalgaryOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceSelf-healing hydrogelsGelatinTissue engineeringBentoniteRigidity (electromagnetism)Biomedical engineeringNanoparticleComposite materialViability assayNanotechnologyChemical engineeringCell culturePolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Bentonite clay nanoparticles assume a pivotal role in 3D bioprinting and tissue engineering by augmenting the mechanical rigidity and biological efficacy of hydrogels. In this investigation, Span80 was employed as a surfactant to facilitate the synthesis of uniformly sized bentonite nanoparticles measuring approximately 700 nm in diameter. The resultant hybrid hydrogel displaced a marked increase in compressive modulus, achieving a peak value of 17.5 kPa, including 1% bentonite twice that of the unmodified gelatin methacryloyl (GelMA). The discernible enhancements in the physical and biological characteristics of the hydrogel underscore its considerable potential for applications in tissue engineering. This includes heightened mechanical rigidity, robust cell viability, and a meticulously regulated degradation rate. While further examinations are imperative to evaluate the viability of the developed hydrogel comprehensively, its auspicious physical and biological attributes strongly suggest its potential utility in the domain of tissue engineering and bioprinting.

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 Opus0,028
Tête enseignante GPT0,322
Écart entre enseignants0,295 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujet3D Printing in Biomedical ResearchTravaux en français237 207