MétaCan
Menu
Retour à la cohorte
Enregistrement W3211802114 · doi:10.1088/1758-5090/ac39a9

Droplet-based microfluidics in biomedical applications

2021· review· en· W3211802114 sur OpenAlex
Leyla Amirifar, Mohsen Besanjideh, Rohollah Nasiri, Amir Shamloo, Fatemeh Nasrollahi, Natan Roberto de Barros, Elham Davoodi, Ahmet Erdem, Mahboobeh Mahmoodi, Vahid Hosseini, Hossein Montazerian, Jamileh Jahangiry, Mohammad Ali Darabi, Reihaneh Haghniaz, Mehmet R. Dokmeci, Nasim Annabi, Samad Ahadian, Ali Khademhosseini

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBiofabrication · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsMicroscale chemistryNanotechnologyDrug deliveryComputer scienceMaterials scienceMicroparticleEngineering

Résumé

récupéré en direct d'OpenAlex

Droplet-based microfluidic systems have been employed to manipulate discrete fluid volumes with immiscible phases. Creating the fluid droplets at microscale has led to a paradigm shift in mixing, sorting, encapsulation, sensing, and designing high throughput devices for biomedical applications. Droplet microfluidics has opened many opportunities in microparticle synthesis, molecular detection, diagnostics, drug delivery, and cell biology. In the present review, we first introduce standard methods for droplet generation (i.e. passive and active methods) and discuss the latest examples of emulsification and particle synthesis approaches enabled by microfluidic platforms. Then, the applications of droplet-based microfluidics in different biomedical applications are detailed. Finally, a general overview of the latest trends along with the perspectives and future potentials in the field are provided.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,030
Tête enseignante GPT0,306
Écart entre enseignants0,276 · 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