MétaCan
Menu
Retour à la cohorte
Enregistrement W2793298960 · doi:10.3390/s18040964

Green, Hydrothermal Synthesis of Fluorescent Carbon Nanodots from Gardenia, Enabling the Detection of Metronidazole in Pharmaceuticals and Rabbit Plasma

2018· article· en· W2793298960 sur OpenAlexaff
Xiupei Yang, Mingxian Liu, Yanru Yin, Fenglin Tang, Hua Xu, Xiangjun Liao

Notice bibliographique

RevueSensors · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon and Quantum Dots Applications
Établissements canadiensHealth Canada
Organismes subventionnairesFundamental Research Funds of China West Normal UniversityChina West Normal UniversityNational Natural Science Foundation of China
Mots-clésDetection limitX-ray photoelectron spectroscopyFourier transform infrared spectroscopyFluorescenceQuenching (fluorescence)Materials scienceHydrothermal circulationNanodotCarbon fibersAnalytical Chemistry (journal)Nuclear chemistrySpectroscopyFluorescence spectroscopyPhotoluminescenceChemistryNanotechnologyChemical engineeringChromatographyOptoelectronicsOptics

Résumé

récupéré en direct d'OpenAlex

Strong fluorescent carbon nanodots (FCNs) were synthesized with a green approach using gardenia as a carbon source through a one-step hydrothermal method. FCNs were characterized by their UV-vis absorption spectra, photoluminescence (PL), Fourier transform infrared spectroscopy (FTIR) as well as X-ray photoelectron spectroscopy (XPS). We further explored the use of as-synthesized FCNs as an effective probe for the detection of metronidazole (MNZ), which is based on MNZ-induced fluorescence quenching of FCNs. The proposed method displayed a wide linear range from 0.8 to 225.0 µM with a correlation coefficient of 0.9992 and a limit of detection as low as 279 nM. It was successfully applied to the determination of MNZ in commercial tablets and rabbit plasma with excellent sensitivity and selectivity, which indicates its potential applications in clinical analysis and biologically related studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations41
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetCarbon and Quantum Dots ApplicationsTravaux en français237 207