MétaCan
Menu
Retour à la cohorte
Enregistrement W4229071598 · doi:10.3390/applbiosci1010001

Cellulose through the Lens of Microfluidics: A Review

2022· review· en· W4229071598 sur OpenAlexaff
Aref Abbasi Moud

Notice bibliographique

RevueApplied Biosciences · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueAdvanced Cellulose Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsCelluloseNanotechnologyBiopolymerMaterials scienceLens (geology)PolymerEngineeringChemical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Cellulose, a linear polysaccharide, is the most common and renewable biopolymer in nature. Because this natural polymer cannot be melted (heated) or dissolved (in typical organic solvents), making complicated structures from it necessitates specialized material processing design. In this review, we looked at the literature to see how cellulose in various shapes and forms has been utilized in conjunction with microfluidic chips, whether as a component of the chips, being processed by a chip, or providing characterization via chips. We utilized more than approximately 250 sources to compile this publication, and we sought to portray cellulose manufacturing utilizing a microfluidic system. The findings reveal that a variety of products, including elongated fibres, microcapsules, core–shell structures and particles, and 3D or 2D structured microfluidics-based devices, may be easily built utilizing the coupled topics of microfluidics and cellulose. This review is intended to provide a concise, visual, yet comprehensive depiction of current research on the topic of cellulose product design and understanding using microfluidics, including, but not limited to, paper-based microfluidics design and implications, and the emulsification/shape formation of cellulose inside the chips.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,112
Tête enseignante GPT0,369
Écart entre enseignants0,257 · 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied BiosciencesMême sujetAdvanced Cellulose Research StudiesTravaux en français237 207