MétaCan
Menu
Retour à la cohorte
Enregistrement W2884378150 · doi:10.2174/1570193x15666180712120309

Antibacterial Properties of Graphene Based Nanomaterials: An Emphasis on Molecular Mechanisms, Surface Engineering and Size of Sheets

2018· article· en· W2884378150 sur OpenAlexaff
Hazhir Tashan, Kianoush Khosravi‐Darani, Fatemeh Yazdian, Meisam Omidi, Mojgan Sheikhpour, Masoumeh Farahani, Abdelwahab Omri

Notice bibliographique

RevueMini-Reviews in Organic Chemistry · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésGrapheneNanotechnologyNanomaterialsMaterials scienceDrug delivery

Résumé

récupéré en direct d'OpenAlex

Graphene-based materials with their astonishing properties including exceptional thermal and electrical conductivity, strong mechanical characteristics, as well as antibacterial characteristics have many promising applications in industry and medicine. Graphene-based materials have been utilized in different fields of medicine such as thermal therapy, drug delivery and cancer therapy. In addition, the prevalence of bacterial multidrug resistance has attracted worldwide attention. Therefore, there is a growing tendency to use nanomaterials, especially graphene family to overcome this problem. To date, no specific mechanism for antibacterial activity of graphene-family has been reported. This review briefly discusses the physiochemical properties of graphene nanomaterials with a focus on the different antibacterial mechanisms, surface engineering and nanosheets size to provide a better insight for further research and development.

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 enseignants0,003
Score d'incertitude au seuil0,929

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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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

Citations30
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMini-Reviews in Organic ChemistryMême sujetGraphene and Nanomaterials ApplicationsTravaux en français237 207