MétaCan
Menu
Retour à la cohorte
Enregistrement W4362454970 · doi:10.34119/bjhrv6n2-130

Síntese de nanoparticulas de ferritas de Zinco pelo metodo de sol-gel para nanocarreamento de fármacos

2023· article· pt· W4362454970 sur OpenAlexaff
Fernando Tenório Silva, Róbson Roney Bernardo

Notice bibliographique

RevueBrazilian Journal of Health Review · 2023
Typearticle
Languept
DomaineChemistry
ThématiquePigment Synthesis and Properties
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesNuclear chemistryChemistryArt

Résumé

récupéré en direct d'OpenAlex

A nanotecnologia é um dos campos da ciência que mais cresceu nos últimos anos com perspectivas de revolucionar em várias áreas. Isto impulsiona cada vez mais a sua investigação e pesquisa em laboratórios e indústrias em todo o mundo. Como, por exemplo, a sua associação à área química. Neste âmbito, emerge a necessidade de serem realizadas reações nas quais utilizam-se elementos de baixo impacto ao meio ambiente, que alcancem alta eficiência e baixo custo, pois a atividade química está drasticamente relacionada à área ambiental, na criação de resíduos industriais que causam grande impacto ao meio ambiente. Com a perspectiva de minimizar estes desafios, o trabalho em questão, desenvolveu a síntese de nanoferritas de zinco utilizando produtos naturais, tal como o sumo do limão Taiti (Citrus latifolia). A presença do ácido cítrico tem como objetivo estabilizar as nanopartículas, que foram produzidas através do emprego do método Sol-Gel utilizando nitrato de ferro e zinco como precursores. Posteriormente as amostras foram calcinadas e submetidas à caracterização no microscópio eletrônico de varredura (MEV), onde foram obtidas imagens que mostravam partículas com dimensões entre 50-70 nm, análise elementar, e análise de Raio-X a fim de comprovar a cristalinidade. A síntese foi considerada promissora, considerando que foram formadas nanopartículas de tamanho adequado e observou-se a ação estabilizadora do ácido cítrico de origem natural sendo o método de baixo custo e de impacto ambiental reduzido.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,076
Tête enseignante GPT0,371
Écart entre enseignants0,295 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrazilian Journal of Health ReviewMême sujetPigment Synthesis and PropertiesTravaux en français237 207