Development of an electrochemical surface-enhanced Raman spectroscopy (EC-SERS) fabric-based plasmonic sensor for point-of-care diagnostics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Early disease diagnosis is crucial for timely and effective healthcare monitoring and treatment. Demand for modern point-of-care (POC) technologies has increased during the past decade. Continuous monitoring of patient health status can be achieved through wearable sensors which can be incorporated into clothing and other wearables. While electronic textiles that monitor physical parameters (heart rate, blood pressure, etc.) are increasingly commonplace, smart textiles capable of monitoring chemical biomarkers are much less common. In this work, a conductive plasmonic electrochemical sensor was developed from a cotton blend fabric modified with silver nanoparticles and conductive inks. para-Aminothiophenol (pATP) was used as an initial probe molecule to evaluate the performance of the fabric-based electrode for electrochemical surface-enhanced Raman spectroscopic (EC-SERS) measurements. Further investigation was then carried out to detect levofloxacin, a commonly prescribed antibiotic, in both 0.1 M NaF and synthetic urine as supporting electrolyte. It was found that the fabric-based electrode provided excellent EC-SERS signals, comparable to commercial screen-printed electrodes, allowing for rapid detection of levofloxacin at clinically relevant concentrations. To the best of our knowledge, this is the first time a fabric-based electrode has been reported for EC-SERS investigations, highlighting a promising platform for wearable point-of-care sensors.
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.
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 découle