MétaCan
Menu
Retour à la cohorte
Enregistrement W2553440355 · doi:10.1038/srep36497

Silver nanoparticles-containing dual-function hydrogels based on a guar gum-sodium borohydride system

2016· article· en· W2553440355 sur OpenAlexaff
Lei Dai, Ben E. Nadeau, Xingye An, Dong Cheng, Zhu Long, Yonghao Ni

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSelf-healing hydrogelsSodium borohydrideGuar gumSilver nanoparticleSilver nitrateReducing agentChemical engineeringMaterials scienceNanoparticlePolymerSodium polyacrylateChemistryBorohydrideNanotechnologyPolymer chemistryNuclear chemistryOrganic chemistryComposite materialRaw material

Résumé

récupéré en direct d'OpenAlex

Abstract Dual-function hydrogels, possessing both stimuli-responsive and self-healing properties, have recently attracted attention of both chemists and materials scientists. Here we report a new paradigm using natural polymer (guar gum, GG) and sodium borohydride (NaBH 4 ), for the preparation of silver nanoparticles (AgNPs)-containing smart hydrogels in a simple, fast and economical way. NaBH 4 performs as a reducing agent for AgNPs synthesis using silver nitrate (AgNO 3 ) as the precursor. Meanwhile, sodium metaborate (NaBO 2 ) (from NaBH 4 ) behaves as a cross-linking agent between GG molecular chains. The AgNPs/GG hydrogels with excellent viscoelastic properties can be obtained within 3 min at room temperature without the addition of other cross-linkers. The resultant AgNPs/GG hydrogels are flowable and injectable, and they possess excellent pH/thermal responsive properties. Additionally, they exhibit rapid self-healing capacity. This work introduces a facile and scale-up way to prepare a class of hydrogels that can have great potential to biomedical and other industrial applications.

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)0,001
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 enseignants0,111
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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

Citations54
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207