MétaCan
Menu
Retour à la cohorte
Enregistrement W566147286 · doi:10.1038/srep11194

Controlling the degradation kinetics of porous iron by poly(lactic-co-glycolic acid) infiltration for use as temporary medical implants

2015· article· en· W566147286 sur OpenAlexafffund
Abdul Hakim Md Yusop, Nurizzati Mohd Daud, Hadi Nur, Mohammed Rafiq Abdul Kadir, Hendra Hermawan

Notice bibliographique

RevueScientific Reports · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopaedic implants and arthroplasty
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - SantéUniversiti Teknologi Malaysia
Mots-clésPLGAGlycolic acidDegradation (telecommunications)KineticsPorosityIron oxideMaterials scienceChemical engineeringChemistryTitaniumLactic acidMetallurgyNanoparticleComposite materialNanotechnology

Résumé

récupéré en direct d'OpenAlex

Iron and its alloy have been proposed as biodegradable metals for temporary medical implants. However, the formation of iron oxide and iron phosphate on their surface slows down their degradation kinetics in both in vitro and in vivo scenarios. This work presents new approach to tailor degradation behavior of iron by incorporating biodegradable polymers into the metal. Porous pure iron (PPI) was vacuum infiltrated by poly(lactic-co-glycolic acid) (PLGA) to form fully dense PLGA-infiltrated porous iron (PIPI) and dip coated into the PLGA to form partially dense PLGA-coated porous iron (PCPI). Results showed that compressive strength and toughness of the PIPI and PCPI were higher compared to PPI. A strong interfacial interaction was developed between the PLGA layer and the iron surface. Degradation rate of PIPI and PCPI was higher than that of PPI due to the effect of PLGA hydrolysis. The fast degradation of PIPI did not affect the viability of human fibroblast cells. Finally, this work discusses a degradation mechanism for PIPI and the effect of PLGA incorporation in accelerating the degradation of iron.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,404

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
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)0,0000,000

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 Opus0,035
Tête enseignante GPT0,301
Écart entre enseignants0,266 · 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'étudeSans objet
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

Citations93
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOrthopaedic implants and arthroplastyTravaux en français237 207