Application of microfluidic paper‐based analytical device (<scp>μPAD</scp>) to detect <scp>COVID</scp>‐19 in energy deprived countries
Notice bibliographique
Résumé
Coronavirus disease (COVID-19) has spread all across the world. Low- and medium-income countries are more affected economically and socially compared to developed countries due to the lack of a rapid, robust, and affordable testing infrastructure. Furthermore, the high cost of real-time polymerase chain reaction (PCR) system, sophisticated user-handling procedure, and high expense of the conventional clinical tests are the root causes of the less accessibility of the testing systems to the users. In this study, a COVID-19 Point-of-Care (POC) ecosystem model is proposed for the low- and medium-income countries (or energy deprived countries) that will facilitate the technological development with locally available fabrication components. In addition, the nontechnological development phases have also been discussed, which encompasses the collaboration among academia, local as well as government bodies, and entrepreneurial ventures. In addition, a hypothetical design of a microfluidic paper-based analytical (μPADs) POC platform is proposed to detect COVID-19 analyte using unprocessed patient-derived saliva, which is a miniaturized form-factor of conventional real-time polymerase chain reaction (PCR) technique. The device contains four major reaction zones, which are sample zone, buffer zone, loop-mediated isothermal amplification (LAMP) Master Mix zone, Ethylenediamine tetraacetic acid (EDTA) zone, and sensor zone. To obtain quicker test results and easier operation, a handheld image acquisition technique is introduced in this study. It is hypothesized that in a remote setting, the proposed design could be used as an initial guideline to develop a POC COVID-19 testing system, which may be simple, easy-to-use, and cost-effective.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».