MétaCan
Menu
Retour à la cohorte
Enregistrement W4387832060 · doi:10.1039/d3lc00296a

Bionanotechnology and bioMEMS (BNM): state-of-the-art applications, opportunities, and challenges

2023· review· en· W4387832060 sur OpenAlexaff
Jeffrey T. Borenstein, Gerard Cummins, Abhishek Dutta, Eyad M. Hamad, Michael Hughes, Xingyu Jiang, Hyowon Lee, Kin Fong Lei, Xiaowu Tang, Yuanjin Zheng, Jie Chen

Notice bibliographique

RevueLab on a Chip · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensUniversity of AlbertaUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNanobiotechnologyNanotechnologyEngineeringMaterials scienceNanoparticle

Résumé

récupéré en direct d'OpenAlex

The development of micro- and nanotechnology for biomedical applications has defined the cutting edge of medical technology for over three decades, as advancements in fabrication technology developed originally in the semiconductor industry have been applied to solving ever-more complex problems in medicine and biology. These technologies are ideally suited to interfacing with life sciences, since they are on the scale lengths as cells (microns) and biomacromolecules (nanometers). In this paper, we review the state of the art in bionanotechnology and bioMEMS (collectively BNM), including developments and challenges in the areas of BNM, such as microfluidic organ-on-chip devices, oral drug delivery, emerging technologies for managing infectious diseases, 3D printed microfluidic devices, AC electrokinetics, flexible MEMS devices, implantable microdevices, paper-based microfluidic platforms for cellular analysis, and wearable sensors for point-of-care testing.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,995
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,122
Tête enseignante GPT0,273
Écart entre enseignants0,151 · 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.

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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207