Electrochemical Sensor for the Diagnosis of Traumatic Injuries of the Central Nervous System
Notice bibliographique
Résumé
Injuries of the central nervous system (CNS) such as traumatic brain injuries (TBI) and traumatic spinal cord injury (tSCI) are widespread. Approximately, 170,000 individuals in Canada, suffers these injuries every year. Majority of the patients are left permanently disabled with limited restorative treatment and the cost of these CNS injuries is approximately $15billion a year to the Canadian economy. One of the ways to accurately diagnose and manage these injuries for the effective outcome is by the detection of Biomarkers. Concentrations of biomarkers are found to be critical and provide vital information of health and healing of tissues. It is found that concentrations of several biomarkers associated with the injury of Neuron, Microglia, Astrocytes like SBDP, GFAP, S100β, etc. increases significantly post injury in blood and in CSF compared to uninjured state. Accurately measuring these biomarkers at the point of care can help in assessing the heath and healing of the CNS during injury and while treating the injury. At present there is no point of care sensing device available for measuring these biomarkers for diagnosis and management of these injuries. We report a novel screen printed graphene based electrochemical biosensor for sensing S100β for the diagnosis and management of the CNS injury. Median concentration of S100β before injury is approximately 45pg/ml while post injury it increases five folds to 240pg/ml. We detected S100β in the dynamic range of 1pg/ml to 1ng/ml using this biosensor.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».