Optimisation de la stabilité d'une émulsion de Pickering H/E à l'aide de la méthodologie des surfaces de réponses
Bibliographic record
Abstract
Résumé L’émulsion est une forme très répandue dans les applications pharmaceutiques et cosmétiques, et les tensio‐actifs synthétiques utilisés pour stabiliser ce système dispersé posent un problème écologique. L’émulsion stabilisée par des particules solides (émulsion de Pickering) vient pour régler ce problème. Cette étude vise à réduire la teneur en tensio‐actif dans les formulations des émulsions pharmaceutiques et cosmétiques. La stabilité physique (stabilité au crémage) d'une émulsion de Pickering H/E utilisant des particules solides de bentonite en combinaison avec un tensio‐actif cationique (CTAB) et en présence de sel (NaCl) a été optimisée à l'aide de la méthodologie des surfaces de réponses. Les résultats montrent qu'une teneur de 7 % de particules solides en présence de faibles concentrations en tensio‐actif cationique (CTAB, 0.02 %) et en sel (NaCl, 0.015 mol/L) permet d'obtenir une stabilité physique satisfaisante après 22 mois de vieillissement. En outre, la température qui a une influence directe sur la viscosité du milieu lors de la préparation, est déterminante pour l'obtention d'une émulsion stable. Ainsi, une émulsion de Pickering préparée à 50 °C montre une stabilité comparable à celle d'une émulsion préparée à 20 °C et contenant deux fois plus d'agents stabilisants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".