MétaCan
Menu
Retour à la cohorte
Enregistrement W2766427015 · doi:10.1098/rsos.171025

Portable device for the detection of colorimetric assays

2017· article· en· W2766427015 sur OpenAlexafffund
George Luka, Ephraim Nowak, Joann Kawchuk, Mina Hoorfar, Homayoun Najjaran

Notice bibliographique

RevueRoyal Society Open Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDetection limitHueStandard deviationColorimetryComputer scienceRelative standard deviationReagentChemistryAnalytical Chemistry (journal)Biological systemArtificial intelligenceChromatographyComputer visionMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

In this work, a low-cost, portable device is developed to detect colorimetric assays for in-field and point-of-care (POC) analysis. The device can rapidly detect both pH values and nitrite concentrations of five different samples, simultaneously. After mixing samples with specific reagents, a high-resolution digital camera collects a picture of the sample, and a single-board computer processes the image in real time to identify the hue–saturation–value coordinates of the image. An internal light source reduces the effect of any ambient light so the device can accurately determine the corresponding pH values or nitrite concentrations. The device was purposefully designed to be low-cost, yet versatile, and the accuracy of the results have been compared to those from a conventional method. The results obtained for pH values have a mean standard deviation of 0.03 and a correlation coefficient R 2 of 0.998. The detection of nitrites is between concentrations of 0.4–1.6 mg l −1 , with a low detection limit of 0.2 mg l −1 , and has a mean standard deviation of 0.073 and an R 2 value of 0.999. The results represent great potential of the proposed portable device as an excellent analytical tool for POC colorimetric analysis and offer broad accessibility in resource-limited settings.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,007

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 Opus0,027
Tête enseignante GPT0,288
Écart entre enseignants0,261 · 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
GenreEmpirique

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

En bref

Citations84
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetBiosensors and Analytical DetectionTravaux en français237 207