A highly selective colorimetric assay for the determination of creatinine in biological samples using gluconic acid capped silver nanoparticles after ionic liquid based dispersive liquid phase microextraction
Notice bibliographique
Résumé
A dispersive liquid-phase microextraction method combined with UV–vis spectrophotometry was utilized to highly selective determination of creatinine in human serum and urine samples. To overcome the interferences in complex matrices, creatinine reacted with 1,4-naphthoquinone-2- potassium sulfonate reagent to produce a red coloured product that could be extracted into a small volume of 1-hexyl-3-methylimidazolium hexafluorophosphate ([HMIM]PF6) ionic liquid solvent. To increase the sensitivity of the assay, gluconic acid capped silver nanoparticles (Ag NPs) were used. On addition of Ag NPs to the red coloured extracted product, the solution turned to blue accompanied with a red shift in wavelength around 620 nm that could be detected by the naked eye. The effective variables on the determination of creatinine such as concentration of the reagent, amount of formic and hydrochloric acids, type and volume of the extractant, and concentration of Ag NPs were investigated. Under the optimal conditions, the calibration plot was bimodal with linear ranges from 0.1 to 1.5 µg mL−1 and 1.5 to 105 µg mL−1 creatinine with a limit of detection 0.1 µg mL−1. The relative standard deviation for five measurements at 35 µg mL−1 concentration level was 3.8%. The newly developed assay was used for the determination of creatinine in human serum and urine specimens with satisfactory results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».