High-Linearity Hydrogel-Based Capacitive Sensor Based on Con A–Sugar Affinity and Low-Melting-Point Metal
Notice bibliographique
Résumé
Continuous glucose monitoring (CGM) plays an important role in the treatment of diabetes. Affinity sensing based on the principle of reversible binding to glucose does not produce intermediates, and the specificity of concanavalin A (Con A) to glucose molecules helps to improve the anti-interference performance and long-term stability of CGM sensors. However, these affinity glucose sensors have some limitations in their linearity with a large detection range, and stable attachment of hydrogels to sensor electrodes is also challenging. In this study, a capacitive glucose sensor with high linearity and a wide detection range was proposed based on a glucose-responsive DexG–Con A hydrogel and a serpentine coplanar electrode made from a low-melting-point metal. The results show that within the glucose concentration range of 0–20 mM, the sensor can achieve high linearity (R2 = 0.94), with a sensitivity of 33.3 pF mM−1, and even with the larger glucose concentration range of 0–30 mM the sensor can achieve good linearity (R2 = 0.84). The sensor also shows resistance to disturbances of small molecules, good reversibility, and long-term stability. Due to its low cost, wide detection range, high linearity, good sensitivity, and biocompatibility, the sensor is expected to be used in the field of continuous monitoring of blood glucose.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».