MétaCan
Menu
← Retour à la cohorte
Enregistrement W2999021053 · doi:10.1109/sensors43011.2019.8956616

A Multiplexed, Point-of-Care Sensing for Dengue

2019· article· en· W2999021053 sur OpenAlexaff
Srishti Garg, Ryan Xilong Yuan, Anupriya Gopalsamy, Frédéric A. Fellouse, Sachdev S. Sidhu, James Dou, J. Stewart Aitchison

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueMosquito-borne diseases and control
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDengue feverPoint of careComputer scienceMultiplexingPoint (geometry)VirologyTelecommunicationsMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

There is a growing need for diagnostic technologies which can provide accurate disease detection using sensitive, reliable, and inexpensive methods. A lot of research has been directed towards developing efficient point-of-care devices that enable the parallel detection of multiple analytes, in small-volume samples, with high sensitivity and in a short time. Flow cytometry, used for bead-based immunoassays are expensive and bulky. Using a microfluidic based optical detection system makes the whole process convenient and cheap. This motivates us to explore this platform for multiplexed testing by incorporating microbead-based assays. Hence, we aim to develop a microfluidics based optical detection system, which can measure multiple analytes at the same time for diseases like dengue. Dengue detection using NS1-4 (non-structural protein), which inflates on the first day of virus with the IgG antibody, can give significant information for the treatment. Simultaneous detection of dengue antigen and antibody is crucial for prevention and diagnosis of dengue infection. The outcome of this study generates the first-generation prototype of a universal fluorescence detection device capable of both classifying the microspheres and measuring the amount of specific biomarker.

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)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,267
Écart entre enseignants0,260 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMosquito-borne diseases and control→Travaux en français237 207→