MétaCan
Menu
Retour à la cohorte
Enregistrement W3004561509 · doi:10.1155/2020/5659682

Conducting Polymer-Based Composite Materials for Therapeutic Implantations: From Advanced Drug Delivery System to Minimally Invasive Electronics

2020· article· en· W3004561509 sur OpenAlexaff
Yang Liu, Pengfei Yin, Jiareng Chen, Bin Cui, Chao Zhang, Feng Wu

Notice bibliographique

RevueInternational Journal of Polymer Science · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueConducting polymers and applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesGuangdong Science and Technology DepartmentChina Postdoctoral Science FoundationSun Yat-sen UniversityNational Natural Science Foundation of China
Mots-clésInterfacingMaterials scienceElectronicsDrug deliveryNanotechnologyPolymerComposite materialComputer scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Conducting polymer-based composites have recently becoming popular in both academic research and industrial practices due to their high conductivity, ease of process, and tunable electrical properties. The multifunctional conducting polymer-based composites demonstrated great application potential for in vivo therapeutics and implantable electronics, including drug delivery, neural interfacing, and minimally invasive electronics. In this review article, the state-of-the-art conducting polymer-based composites in the mentioned biological fields are discussed and summarized. The recent progress on the synthesis, structure, properties, and application of the conducting polymer-based composites is presented, aimed at revealing the structure-property relationship and the corresponding functional applications of the conducting polymer-based composites. Furthermore, key issues and challenges regarding the implantation performance of these composites are highlighted in this paper.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,038
Tête enseignante GPT0,306
Écart entre enseignants0,269 · 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

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Polymer ScienceMême sujetConducting polymers and applicationsTravaux en français237 207