On the Rheological Properties and Printability of Sodium Alginate–Carboxymethyl Chitosan Composite Solutions for Tissue Scaffold Printing
Notice bibliographique
Résumé
Composites of sodium alginate (Alg) and carboxymethyl chitosan (CMCS) are used to 3D print tissue scaffolds, but the rheological properties and printability of these composites remain underreported, resulting in time-consuming trial-and-error printing. This study investigates these properties to rigorously design the 3D printing process. Dynamic shear tests characterize viscoelastic and frequency-dependent properties, while steady shear tests assess the apparent viscosity and temperature-dependent viscosity. A novel approach based on mass flow rate models guides the printing of two-layer scaffolds for printability analysis. Brightfield microscopy and printability indexes quantify the deviations between printed and designed scaffolds, defined as printability. Results show that Alg predominantly directs the rheological properties. At 4% w/v Alg, the addition of < 3% w/v CMCS reduces elasticity, contrary to the trend where increasing CMCS increases elasticity. CMCS improves the thermal resistance of the composites, while Alg reduces it. Of the composites printed, a 4% w/v Alg + 1% w/v CMCS formulation most accurately replicates the designed scaffold, and adding CMCS improves scaffold printing repeatability by at least threefold compared to Alg-only solutions. These findings provide a framework that informs the preparation and performance of Alg-CMCS composites with tunable properties, advancing scaffold bioprinting for tissue engineering.
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 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 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».