MétaCan
Menu
Retour à la cohorte
Enregistrement W4221046066 · doi:10.1021/acsapm.2c00006

Modeling of Thermo-Responsive Stiffening of Poly(oligo(ethylene glycol)methacrylate)–Cellulose Nanocrystal Hydrogels

2022· article· en· W4221046066 sur OpenAlexafffund
Rasool Nasseri, Kam Chiu Tam

Notice bibliographique

RevueACS Applied Polymer Materials · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelf-healing hydrogelsStiffeningMaterials scienceEthylene glycolMethacrylatePolymer chemistryChemical engineeringPolymerSolventDynamic mechanical analysisComposite materialMonomerChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Understanding the phase transition-induced stiffening of thermo-responsive hydrogels is crucial for their practical applications. Here, we used theoretical models to describe the stiffening during the isochoric thermal transitions of a series of model thermo-responsive hydrogels consisting of hydrazide-functionalized poly(oligo(ethylene glycol)methyl ether methacrylate) (POEGMA-H) and oxidized cellulose nanocrystals. Beyond the transition temperature, theoretical models showed that the magnitude of the force required to extend a collapsed chain in a poor solvent was determined by the exposed surface area of the chain and interfacial tension between the polymer and solvent. Storage modulus measurements of the hydrogels with different molar percentage of OGEMA300 monomers confirmed the role of the exposed surface area of the chain in the solvent on the thermal stiffening of thermo-responsive hydrogels. The reduction in the magnitude of thermal stiffening of hydrogels in the presence of isopropyl alcohol confirmed the effect of interfacial tension on the thermal stiffening of thermo-responsive hydrogels. The ideas presented in this study will facilitate the development of stimuli-stiffening hydrogels for biomedical applications.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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.

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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Polymer MaterialsMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207