MétaCan
Menu
Retour à la cohorte
Enregistrement W2472243521 · doi:10.1038/srep29075

Integrated hollow microneedle-optofluidic biosensor for therapeutic drug monitoring in sub-nanoliter volumes

2016· article· en· W2472243521 sur OpenAlexafffund
Sahan Ranamukhaarachchi, Celestino Padeste, Matthias Dübner, Urs O. Häfeli, Boris Stoeber, Víctor J. Cadarso

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvancements in Transdermal Drug Delivery
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPaul Scherrer InstitutUniversity of British ColumbiaCanada Research ChairsSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésAnalyteBiomedical engineeringBiosensorTherapeutic drug monitoringPoint of careMaterials scienceDetection limitPoint-of-care testingAbsorbanceChromatographyDrug detectionNanotechnologyDrugChemistryMedicinePharmacology

Résumé

récupéré en direct d'OpenAlex

Therapeutic drug monitoring (TDM) typically requires painful blood drawn from patients. We propose a painless and minimally-invasive alternative for TDM using hollow microneedles suitable to extract extremely small volumes (<1 nL) of interstitial fluid to measure drug concentrations. The inner lumen of a microneedle is functionalized to be used as a micro-reactor during sample collection to trap and bind target drug candidates during extraction, without requirements of sample transfer. An optofluidic device is integrated with this microneedle to rapidly quantify drug analytes with high sensitivity using a straightforward absorbance scheme. Vancomycin is currently detected by using volumes ranging between 50-100 μL with a limit of detection (LoD) of 1.35 μM. The proposed microneedle-optofluidic biosensor can detect vancomycin with a sample volume of 0.6 nL and a LoD of <100 nM, validating this painless point of care system with significant potential to reduce healthcare costs and patients suffering.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,075
Tête enseignante GPT0,385
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations95
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvancements in Transdermal Drug DeliveryTravaux en français237 207