MétaCan
Menu
Retour à la cohorte
Enregistrement W2948658372 · doi:10.1021/acs.iecr.9b02177

Printed Thin Films with Controlled Porosity as Lateral Flow Media

2019· article· en· W2948658372 sur OpenAlexafffund
Yuanhua Li, Lisa Tran, Carlos D. M. Filipe, John D. Brennan, Robert Pelton

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésNitrocellulosePorosityMaterials scienceMembraneCalcium carbonatePorous mediumParticle (ecology)Chemical engineeringParticle sizeColloidVolumetric flow rateAdsorptionComposite materialChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Traditional materials for lateral flow devices (cellulose, nitrocellulose) are typically produced in large batches with relatively thick membranes and a uniform pore size, making it challenging to develop devices with variable flow rates. With a view to the development of easily manufactured lateral flow media with variable porosity and flow rates, we investigated the ability to produce a fully printed porous media based on colloidal, precipitated calcium carbonate (PCC) dispersions containing latex binders. PCC dispersions with varying particle sizes were printed onto glass surfaces, and it was observed that flow rates could be controlled by varying particle size. On the basis of this finding, a device with three zones, having distinctly different porosities and wicking behaviors, was printed with three calcium carbonate inks in a single printing operation. The printed media were ∼10% the thickness of paper or nitrocellulose membranes, with lower porosities and wicking rates. We demonstrate that such PCC materials can adsorb enzymes such as alkaline phosphatase (ALP) with retention of activity, and show that a colorimetric ALP reaction giving a colored precipitate generated strong color signals on the printed PCC lateral flow media.

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 enseignants0,264
Score d'incertitude au seuil0,945

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 recherche0,0000,002
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 Opus0,028
Tête enseignante GPT0,257
Écart entre enseignants0,229 · 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetBiosensors and Analytical DetectionTravaux en français237 207