MétaCan
Menu
Retour à la cohorte
Enregistrement W2792523082 · doi:10.1002/adfm.201706309

Novel Solid‐State Microbial Sensors Based on ZnO Nanorod Arrays

2018· article· en· W2792523082 sur OpenAlexafffund
Cody Landry, Fraser P. Burns, Felix J. Baerlocher, Khashayar Ghandi

Notice bibliographique

RevueAdvanced Functional Materials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensMount Allison University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNew Brunswick Innovation Foundation
Mots-clésNanorodMaterials scienceNanotechnologyNanomaterialsMagnetismBiosensorSubstrate (aquarium)EcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Gravity and magnetism are implemented to change the morphology of zinc oxide nanorod sensors during synthesis. The effects of gravity and magnetism can translate into future application of these nanorods through cost‐effective, environmentally friendly, and easy‐to‐use biosensor technology with the quickest available sensing. The sensors can pave the way toward detection of both bacteria and fungi present on the surface with high sensitivity. This ability to sense microorganisms in a “non‐solution‐based” environment represents a key step forward in the fields of health and food safety, as well as solid‐state nanomaterial biotechnology applications. Hundreds of thousands of people are affected each year by accidental contamination and current protocols are far from preventative. The results of the magnetic field studies when compared with previous results show that the following factors affect the outcome of applying magnetic field during the growth of nanorods on their morphology: the direction of growth with respect to gravity, the method of seeding, and the substrate.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetBiosensors and Analytical DetectionTravaux en français237 207