MétaCan
Menu
Retour à la cohorte
Enregistrement W4401212799 · doi:10.1021/acsomega.4c03787

Cold Plasma for the Modification of the Surface Roughness of Microparticles

2024· article· en· W4401212799 sur OpenAlexafffund
Hale Oğuzlu, Alberto Baldelli, Xanyar Mohammadi, Albert Kong, Mattia Bacca, Anubhav Pratap‐Singh

Notice bibliographique

RevueACS Omega · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDispersitySurface roughnessMaterials scienceAdhesionPlasmaSurface finishAtmospheric-pressure plasmaSurface modificationNanotechnologyComposite materialSuspension (topology)Chemical engineeringBiomedical engineeringChemistryPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Cold plasma treatment is commonly used for sterilization. However, another potential of cold plasma treatment is surface modification. To date, several efforts have been directed toward investigating the effect of cold plasma treatment in modifying the surfaces of films. Here, the impact of suspension properties and parameters of cold plasma treatment on the changes of surfaces of monodisperse polymeric microparticles is tested. The plasma treatment did not touch the surface chemistry of the monodisperse polymeric microparticles. The concentration of suspensions of 1 mg/mL was determined to relate to a stronger effect of the plasma treatment on the roughness of the microparticles. Microparticles with an average diameter of 20 μm show a roughness increase with the plasma treatment time. However, a plasma treatment time longer than 15 min damages the microparticles, as observed in particles with an average diameter of 20 and 50 μm. We finally prototyped monodisperse microparticles to deliver drugs to the nasal mucosa by studying the effect of roughness in their (undesired) self-adhesion and (desired) adhesion with tissue. A moderate roughness, with an average peak-to-valley distance of 500 nm, appears to be the most effective in reducing the detachment forces with nasal tissue by up to 5 mN.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,145

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,039
Tête enseignante GPT0,278
Écart entre enseignants0,239 · 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'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

Citations11
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207