Quantitative Detection of Uric Acid by Electrochemical-Surface Enhanced Raman Spectroscopy Using a Multilayered Au/Ag Substrate
Notice bibliographique
Résumé
Uric acid is a potential important biomarker in urine and serum samples for early diagnosis of preeclampsia, a life-threatening hypertensive disorder that occurs during pregnancy. Preeclampsia is a leading cause of maternal death, especially in developing nation settings. Quantitative detection of uric acid for rapid and routine diagnosis of early preeclampsia using electrochemical-surface enhanced Raman spectroscopy (EC-SERS) is presented herein. A uniform EC-SERS active Au/Ag substrate was developed by depositing nearly monodisperse gold and silver nanoparticles on the carbon working electrode surface of screen printed electrodes. The multilayered Au/Ag substrates were characterized by electron microscopy and used for quantitative detection of uric acid in 0.1 M NaF and synthetic urine at clinically relevant concentrations. These results showed a linear relationship between the EC-SERS signal intensity and the uric acid concentration. Relative errors calculated for selected concentrations were all within the Clinical Laboratory Improvement Amendments (CLIA) criterion for uric acid analysis (±17%). It is believed that routine and early diagnosis of disease could be possible through such quantitative detection of biomarkers in patient samples using this EC-SERS method.
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) | 0,000 | 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 ».