MétaCan
Menu
Retour à la cohorte
Enregistrement W2917425668 · doi:10.1021/acssuschemeng.8b06372

Advances in Functional Chitin Materials: A Review

2019· review· en· W2917425668 sur OpenAlexaff
Julia L. Shamshina, Paula Bertón, Robin D. Rogers

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2019
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanocomposite Films for Food Packaging
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésChitinNanotechnologyChemistryPolymer scienceBiochemical engineeringMaterials scienceOrganic chemistryEngineeringChitosan

Résumé

récupéré en direct d'OpenAlex

Chitin is a promising natural polymer to produce functional materials due to the attractive combination of abundance, price, favorable biological properties, and biodegradability. However, multiple literature examples often confuse processing of chitosan, the deacetylated version of chitin, due to chitosan’s much higher solubility in traditional solvents. Nonetheless, despite current challenges to solubilize natural chitin, there is still a large body of literature demonstrating multiple ways to manipulate this polymer into materials of desired forms and properties. Here we review one such area where chitin promises both technological superiority and potential for commercial success, the use of chitin in biomedical research. We discuss techniques which have been utilized to process chitin and to prepare chitin-based functional materials, particularly in the production of fibers, films, beads, and hydrogels. Emphasis is given to the most recent methods and a compilation of a compelling collection of examples based on current research and existing products. These examples demonstrate the suitability of chitin for production of surgical sutures, wound care materials, tissue engineering biomaterials, and other various biomedical 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 GPT0,266
Écart entre enseignants0,252 · 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'étudeSans objet
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

Citations269
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetNanocomposite Films for Food PackagingTravaux en français237 207