A novel microfluidic viscometer for measuring viscosity of ultrasmall volumes of Newtonian and non-Newtonian liquids
Notice bibliographique
Résumé
Abstract Viscosity is a critical fluid property that significantly influences fluid behavior and performance across various systems. Most commercial viscometers require relatively large sample volumes (on the order of milliliters), which restricts their utility in scenarios where only limited sample volumes are available. For instance, human tear fluid—essential for developing effective treatment strategies—is scarce (typically on microliters), especially in individuals with dry eye disease. To address this limitation, we present a novel microfluidic viscometer platform capable of measuring the viscosity of ultra-small volumes (i.e. ∼10 μ l) of Newtonian and non-Newtonian fluids. The working principle is based on the Hagen–Poiseuille equation, incorporating the Weissenberg–Rabinowitsch–Mooney correction for slit-flow, and employs an optically transparent microfluidic chip integrated with supporting devices including a syringe pump, manifold, camera, and differential pressure transducer. Preliminary validation was conducted using glycerol solutions, artificial tears, and tear samples from dry and healthy eyes. This microfluidic viscometer holds promise for measuring the shear viscosity of small volumes of biofluid samples (e.g. synovial fluid, cerebrospinal fluid, tear films) or pharmaceuticals (e.g. monoclonal antibodies, ophthalmic drug delivery products) by developing surface coating materials appropriate for specific samples.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».