MétaCan
Menu
Retour à la cohorte
Enregistrement W4235401656 · doi:10.1515/iupac.86.0011

Immunodiagnostics and Immunosensor Design

2016· dataset· en· W4235401656 sur OpenAlexaff
Vladimir Gubala, Reinhild Klein, Douglas M. Templeton, Michael Schwenk

Notice bibliographique

RevueIUPAC Standards Online · 2016
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Biosensing Techniques and Applications
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData scienceNanotechnologyBiochemical engineeringComputational biologyRisk analysis (engineering)MedicineBiologyEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

This work compiles information on the principles of diagnostic immunochemical methods and the recent advances in this field. It presents an overview of modern techniques for the production of diagnostic antibodies, their modification with the aim of improving their diagnostic potency, the different types of immunochemical detection systems, and the increasing diagnostic applications for human health that include specific disease markers, individualized diagnosis of cancer subtypes, therapeutic and addictive drugs, food residues, and environmental contaminants. A special focus lies in novel developments of immunosensor techniques, promising approaches to miniaturized detection units and the associated microfluidic systems. The trends towards high-throughput systems, multiplexed analysis, and miniaturization of the diagnostic tools are discussed. It is also made evident that progress in the last few years has largely relied on novel chemical approaches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,387
Écart entre enseignants0,375 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIUPAC Standards OnlineMême sujetAdvanced Biosensing Techniques and ApplicationsTravaux en français237 207