MétaCan
Menu
Retour à la cohorte
Enregistrement W1965233656 · doi:10.1115/1.3212556

Formation of Uniform Microspheres Using a Perforated Silicon Membrane: A Preliminary Study

2009· article· en· W1965233656 sur OpenAlexaff
Ki‐Young Song, Mu Chiao, Boris Stoeber, Urs O. Häfeli, Madan M. Gupta, Wenjun Zhang

Notice bibliographique

RevueJournal of Medical Devices · 2009
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensUniversity of British ColumbiaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMembrane emulsificationPLGAMicrosphereMaterials scienceMembranePhase (matter)SiliconDrug deliveryChemical engineeringCeramicNanotechnologyComposite materialNanoparticleChemistryOptoelectronicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This paper presents a new method to generate uniform microspheres with biodegradable poly(lactic-co-glycolic acid) (PLGA) material using microelectromechanical system technology. The general idea with this method is such that a liquid phase containing the dissolved microsphere matrix material reaches a continuous phase after a silicon membrane with micron-sized perforations, where microdroplets are formed. After the droplet is detached from the membrane, the solvent diffuses out of the droplets into a continuous phase leading to the formation of solid microspheres. The experiment was performed to verify this method with some promising result. It has been shown that with this method, about 90% of the microspheres are in the range from 1 to 2 μm, which seems to be better than the result obtained with other methods using glass or ceramic membranes. The microsphere with such a size range is useful for intravascular applications and pharmaceutical drug delivery with a slow release of the drug at narrowly defined rates.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,104
Tête enseignante GPT0,451
Écart entre enseignants0,348 · 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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical DevicesMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207