Optimization of Supercritical Carbon Dioxide Fluid Extraction of Medicinal Cannabis from Quebec
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.
Notice bibliographique
Résumé
Research on cannabis oil has evolved to encompass the pharmaceutical industry for the therapeutic potential of the active compounds for pathologies such as Alzheimer, auto-immune disorders, and cancer. These debilitating diseases are best treated with cannabinoids such as tetrahydrocannabinol (∆9-THC), cannabigerol (CBG), and cannabinol (CBN), which relieve neuropathic pain and stimulate the immune system. We extracted cannabinoids from plants with supercritical CO2 and produced an extract with a total yield close to 26%. The three-level Box–Behnken experimental design considered four factors: Temperature, pressure, CO2 flow rate, and processing time, with predetermined parameters at low, medium, and high levels. The mathematical model was evaluated by regression analysis. The yield of ∆9-THC and CBG reached a maximum after 2 h and 15 g/min of CO2, 235 bar, 55 °C (64.3 g THC/100 g of raw material and 4.6 g CBG/100 g of raw material). After another 2 h of extraction time, the yield of CBN reached 2.4 g/100 g. The regression analysis identified pressure and time as the only significant factors for total yield while pressure was the only significant factor for ∆9-THC and CBG. Time, temperature, pressure, and flow rate were all significant factors for CBN.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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