MétaCan
Menu
Retour à la cohorte
Enregistrement W2955775784 · doi:10.1021/acsapm.9b00265

Microengineered Emulsion-to-Powder Technology for the High-Fidelity Preservation of Molecular, Colloidal, and Bulk Properties of Hydrogel Suspensions

2019· article· en· W2955775784 sur OpenAlexfundno aff
Amir Sheikhi, Donatella Di Lisa, Joseph de Rutte, Outman Akouissi, Dino Di Carlo, Ali Khademhosseini

Notice bibliographique

RevueACS Applied Polymer Materials · 2019
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésEmulsionMaterials scienceColloidChemical engineeringNanotechnologyParticle (ecology)Phase (matter)Spray dryingColloidal particleChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Aqueous micro/nanogel suspensions remain difficult to sterilize, store, and ship. Current techniques such as freeze-drying and spray-drying have noticeably failed to preserve the structure of gel particles undergoing drying. We invented the microengineered emulsion-to-powder (MEtoP) technology via which a dispersed phase is stabilized and protected in an engineered oil/surfactant continuous phase, followed by freezing and lyophilization. This facile method converts colloidal systems, particularly annealable hydrogel suspensions, to powders that readily revive their properties upon resuspension. The MEtoP technology may open new horizons for soft material processing and set the stage for the high-fidelity conversion of colloids to powders with defined particle distributions for a broad spectrum of advanced 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)0,000
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 seuil0,395

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueACS Applied Polymer MaterialsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207