MétaCan
Menu
Retour à la cohorte
Enregistrement W3216633482 · doi:10.1002/marc.202100493

Polysaccharide‐Based Nanoparticles as Pickering Emulsifiers in Emulsion Formulations and Heterogenous Polymerization Systems

2021· review· en· W3216633482 sur OpenAlexaff
Amanda Rigg, Pascale Champagne, Michael F. Cunningham

Notice bibliographique

RevueMacromolecular Rapid Communications · 2021
Typereview
Langueen
DomaineMaterials Science
ThématiquePickering emulsions and particle stabilization
Établissements canadiensInstitut National de la Recherche ScientifiqueQueen's University
Organismes subventionnairesnon disponible
Mots-clésPickering emulsionNanoparticleCommercializationPolysaccharideSurface modificationEmulsionEmulsion polymerizationNanotechnologyChemical engineeringMaterials sciencePolymerizationChemistryPolymer scienceOrganic chemistryPolymerBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Bio-based Pickering emulsifiers are a nontoxic alternative to surfactants in emulsion formulations and heterogenous polymerizations. Recent demand for biocompatible and sustainable formulations has accelerated academic interest in polysaccharide-based nanoparticles as Pickering emulsifiers. Despite the environmental advantages, the inherent hydrophilicity of polysaccharides and their nanoparticles limits efficiency and application range. Modification of the polysaccharide surface is often required in the development of ultrastable, functional, and water-in-oil (W/O) systems. Complex surface modification calls into question the sustainability of polysaccharide-based nanoparticles and is identified as a significant barrier to commercialization. This review summarizes the use of nanocelluloses, -starches, and -chitins as Pickering emulsifiers, highlights trends and best practices in surface modification, and provides recommendations to expedite commercialization.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
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)0,0020,001

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 Opus0,059
Tête enseignante GPT0,338
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacromolecular Rapid CommunicationsMême sujetPickering emulsions and particle stabilizationTravaux en français237 207