Ionic gelation of chitosan with sodium tripolyphosphate using a novel combined nebulizer and falling film system
Notice bibliographique
Résumé
Abstract Nanoparticle technology has made an essential contribution to the pharmaceutical industry and has received considerable attention in comparison with the other domains. In the present study, ionic gelation via a novel combined system of nebulizer and falling film (IG‐NFF) has been proposed. The purpose of the design of this system is to increase the contact surface between the chitosan and sodium tripolyphosphate (STPP) for the preparation of monodisperse and spherical chitosan nanoparticles, because in both nebulizer and falling film systems, the surface‐to‐volume ratio of liquid increases. The formation of these nanoparticles is based on ionic interactions between the negatively charged phosphate groups in the STPP and positively charged amine groups on the chitosan. In this research, the effects of chitosan concentration, STPP concentration, the distance of the nebulizer from the inclined plate, gas to liquid flow rate ratio, and the initial chitosan solution pH on the z‐average size, polydispersity index (PDI), and morphology of nanoparticles formed by IG‐NFF were studied. The results showed that the IG‐NFF process has the ability to produce spherical particles with highly uniform sizes. The mean size of obtained chitosan nanoparticles was in the range of 80–320 nm, and the PDI value ranged from 0.08–0.30.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».