Enhancement of sensitivity and detection limit of lateral flow immunoassays using lock-in thermography
Notice bibliographique
Résumé
Lateral flow immunoassays (LFAs) have received much attention in recent years for detecting THC (a psychoactive ingredient of the cannabis plant) in oral fluids for point-of-care (POC) diagnostics. Specific advantages of screening oral fluids for THC include ease of sample collection in public and correlation of presence of THC in oral fluid with recent use of cannabis. However, despite their popularity, the detection limit of LFA is normally limited to greater than 25 ng/ml of THC in oral fluid which impedes the implementation of per se regulations in many jurisdictions (i.e., 1-5 ng/ml). To address this shortcoming, several LFA reader technologies have been developed in recent years but none of them have satisfied the required performance criteria of <80% sensitivity, specificity, and accuracy at per se limit, set by Driving Under the Influence of Drugs, Alcohol, and Medicines (DRUID). In this work, we explore Lock-In thermography (LIT) method for detecting THC in saliva-based LFA strips, utilizing thermal signatures of gold nanoparticles (GNPs) for interpretation of LFAs. Our results suggest that LIT enhances the limit of detection of the commercially available LFA by over an order of magnitude and promises an affordable solution that allows for proper enforcement of per se regulations worldwide.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».