MétaCan
Menu
Retour à la cohorte
Enregistrement W3182026559 · doi:10.1109/memea52024.2021.9478718

Optimization of Blood Microfluidic Co-Flow Devices for Dual Measurement

2021· article· en· W3182026559 sur OpenAlexaff
Amit Nayak, Curtis Armstrong, Catherine Mavriplis, Marianne Fenech

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsVolumetric flow rateShearing (physics)Materials scienceShear rateBlood flowFlow velocityShear stressShear flowFlow (mathematics)Biomedical engineeringMechanicsNanotechnologyComposite materialRheologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Microfluidics is a prominent field used to analyze small amounts of biological fluids. Co-Flow microfluidic devices can be used to study red blood cell aggregation in blood samples under a controlled shear rate. The purpose of this paper is to optimize the parameters of a co-flow device in order to produce a linear velocity profile in blood samples which would provide a constant shear rate. This is desired as the eventual goal is to use an ultrasonic measurement sensor with the co-flow microfluidic device to analyze red blood cell aggregates. Computational fluid dynamic simulations were performed to model a microfluidic device. The simulation results were verified by μPIV of the experimental microfluidic device. Modifications were made to the geometry and flow rate ratio of the microfluidic device to produce a more linear velocity profile. By using a flow rate ratio of 50:1 of shearing fluid to sheared fluid, we were able to achieve a velocity profile in the blood layer that is approximately linear.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207