MétaCan
Menu
Retour à la cohorte
Enregistrement W2093303455 · doi:10.4028/www.scientific.net/amr.936.784

Preparation, Characterization of Cellulose Fibers Grafting by β-Cyclodextrin and their Application for Antibacterial Products

2014· article· en· W2093303455 sur OpenAlexaff
Chao Dong, Ying Ye, Qian Li, Bei He, Hui Xiao

Notice bibliographique

RevueAdvanced materials research · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCelluloseCellulose fiberCyclodextrinGraftingFourier transform infrared spectroscopyMagic angle spinningPolymer chemistryMaterials scienceCitric acidNuclear chemistryChemistryChemical engineeringOrganic chemistryNuclear magnetic resonance spectroscopyPolymer

Résumé

récupéré en direct d'OpenAlex

Cyclodextrins (CDs) can form inclusion complexes with a variety of molecules making them very attractive in different areas, such as pharmaceutics, biochemistry, food chemistry and papermaking. In this communication the preparation of β-cyclodextrin-grafted cellulose fibers was carried out by reacting β-cyclodextrin with cellulose fiber via citric acid (CA). Both fourier transform infrared (FTIR) and cross polarization magic angle spinning solid state nuclear magnetic resonance (CP-MAS NMR) indicated that β-CDs had been chemically attached to cellulose backbone through the formation of ester bonds. Furthermore, the β-CD-grafted cellulose fibers formed inclusion complexes with ciprofloxacin hydrochloride (CipHCl). And the β-CD-grafted cellulose fibers loaded with CipHCl showed excellent antibacterial activity against E.coli and S.aureus .

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,019
Score d'incertitude au seuil0,817

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 savante0,0000,001
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 Opus0,023
Tête enseignante GPT0,340
Écart entre enseignants0,317 · 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'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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207