MétaCan
Menu
Retour à la cohorte
Enregistrement W3080798331 · doi:10.1002/mds3.10119

Application of bile acids for biomedical devices and sensors

2020· article· en· W3080798331 sur OpenAlexafffund
Kayla Baker, Rebecca Sikkema, Igor Zhitomirsky

Notice bibliographique

RevueMedical Devices & Sensors · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrophoretic Deposition in Materials Science
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanotechnologySurface modificationBiocompatibilityMaterials scienceBiosensorDrug deliveryBiocompatible materialPolymerCarbon nanotubeChemistryBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this mini‐review is to describe the recent advances and applications of bile acids (BAs) for manufacturing biomedical devices and sensors. The biological origin and unique multifunctional properties of BAs are key factors for novel biomedical applications. BAs are used for solubilization of drugs and the development of advanced devices for controlled drug delivery. BAs outperform many commercial dispersants in the dispersion of carbon nanotubes and hydrophobic polymers. They also exhibit unique gel‐forming and film‐forming properties, which are used for the development of biosensors and functionalization of implant materials. Especially important is the possibility of bile acid gel synthesis for controlled release of drugs and other functional molecules. Electrodeposition of BAs films and composites is emerging as a new area of technological interest. The discovery of BAs mediating the biomineralization phenomena allows the development of biomedical implants with enhanced bioactivity and biocompatibility. Bile acids are used as efficient biocompatible reducing and capping agents for the synthesis of inorganic particles and their functionalization for application in biosensors and antimicrobial coatings. The progress in the modification of biopolymers with BAs and development of BAs derivatives paves the way for the fabrication of advanced implants and sensors.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,505

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 Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical Devices & SensorsMême sujetElectrophoretic Deposition in Materials ScienceTravaux en français237 207