MétaCan
Menu
Retour à la cohorte
Enregistrement W2333570023 · doi:10.1166/jnn.2011.3567

Experimental Methods of Actuation, Characterization and Prototyping of Hydrogels for BioMEMS/NEMS Applications

2011· review· en· W2333570023 sur OpenAlexaff
Tania S. Khaleque, Samy Abu-Salih, John Saunders, Walied A. Moussa

Notice bibliographique

RevueJournal of Nanoscience and Nanotechnology · 2011
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSelf-healing hydrogelsCharacterization (materials science)MicrofluidicsNanotechnologyFabricationPolymer3D printingMicroelectromechanical systemsUltimate tensile strengthRapid prototypingComposite material

Résumé

récupéré en direct d'OpenAlex

As a member of the smart polymer material group, stimuli responsive hydrogels have achieved a wide range of applications in microfluidic devices, micro/nano bio and environmental sensors, biomechanics and drug delivery systems. To optimize the utilization of a hydrogel in various micro and nano applications it is essential to have a better understanding of its mechanical and electrical properties. This paper presents a review of the different techniques used to determine a hydrogel's mechanical properties, including tensile strength, compressive strength and shear modulus and the electrical properties including electrical conductivity and dielectric permittivity. Also explored the effect of various prototyping factors and the mechanisms by which these factors are used to alter the mechanical and electrical properties of a hydrogel. Finally, this review discusses a wide range of hydrogel fabrication techniques and methods used, to date, to actuate this family of smart polymer material.

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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,458

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,051
Tête enseignante GPT0,353
Écart entre enseignants0,302 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nanoscience and NanotechnologyMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207