MétaCan
Menu
Retour à la cohorte
Enregistrement W2094676002 · doi:10.1021/ac990934+

Silicate Polymerization for the Preparation of Bed-Retention Frits in Capillary Electrochromatography

2000· article· en· W2094676002 sur OpenAlexafffund
Yue Chen, Geoff C. Gerhardt, R. M. Cassidy

Notice bibliographique

RevueAnalytical Chemistry · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSilanizationChemistryFritCapillary electrochromatographyElectrochromatographyCapillary actionPolymerizationPorosityChromatographyChemical engineeringSilicateAnalytical Chemistry (journal)Composite materialMaterials scienceCapillary electrophoresisPolymer

Résumé

récupéré en direct d'OpenAlex

Bubble formation, which is associated with bed-retention frits, is a critical experimental problem in capillary electrochromatography systems. In this investigation, porous silica frits were prepared via spot-heating of a silicate solution, and the effects of several experimental parameters on their performance were studied. The optimal sodium silicate concentrations were 10.8% and 5.4% (w/v) for outlet and inlet frits, respectively. The heating times were 5-6 s for outlet frits and < 1 s for inlet frits. Under optimized conditions, outlet frits were 75 microns (+/- 12 microns) and the heat treatment did not make the capillary fragile at the frit location. Bubble formation was affected by frit length, density, and silanization of the frits with trimethylchlorosilane. Packed capillaries with optimized frits were used successfully in a commercial CE instrument over a normal working day without pressurization, at relatively high ionic strengths (10 mM), and over a wide range of acetonitrile compositions (20%-80%). Currents were also stable for > or = 3 h under very high current (27 microA) conditions. As part of this study, the efficiency and reproducibility of packed capillaries were also briefly evaluated.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,040
Score d'incertitude au seuil0,311

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,222
Écart entre enseignants0,216 · 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

Citations23
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207