MétaCan
Menu
Retour à la cohorte
Enregistrement W3139490521 · doi:10.1088/1361-665x/abee34

An electrochemically actuated drug delivery device with <i>in-situ</i> dosage sensing

2021· article· en· W3139490521 sur OpenAlexaff
Ying Yi, Mu Chiao, Bo Wang

Notice bibliographique

RevueSmart Materials and Structures · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPolydimethylsiloxaneMaterials sciencePiezoresistive effectFabricationElectrolyteNanotechnologyMembraneDrug deliveryGauge factorActuatorDisplacement (psychology)Biomedical engineeringElectrodeComposite materialElectrical engineeringChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Very few conventional micro-electro-mechanical systems as drug delivery devices have in-situ dosage monitoring sensors, this thus brings inaccurate released dose, which results in either inefficient pharmaceutical effects or over-dose induced side effects. In this work, we integrate a low-cost piezoresistive sensor with an electrochemically actuated drug delivery device, and investigate its dosage monitoring performance. Different from the conventional sensor fabrication based on mixing conductive particles into liquid polymer, our proposed sensor is constructed from solidified carbon ink film embedded in a polydimethylsiloxane (PDMS) membrane, which can obtain an optimum tradeoff between the gauge factor and maximum achievable displacement. An electrolytic reaction induces the electrolysis-bubble in the actuator chamber with an increase in pressure, which causes displacement of the PDMS sealing membrane. This provides the actuation force to deliver the drug solution. The displacement of the PDMS membrane that determines the pumped volume of the drug solution is quantified through a resistance change of the embedded piezoresistive sensor. We report a single pumping volume of up to 7 μ l, which is monitored by the resistance change ratio (Δ R / R ), ranging from 2% to 12% with a dosage sensing accuracy of ±6.5%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,196
Écart entre enseignants0,191 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207