MicroSweat: A Wearable Microfluidic Patch for Noninvasive and Reliable Sweat Collection Enables Human Stress Monitoring
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stress affects cognition, behavior, and physiology, leading to lasting physical and mental illness. The ability to detect and measure stress, however, is poor. Increased circulating cortisol during stress is mirrored by cortisol release from sweat glands, providing an opportunity to use it as an external biomarker for monitoring internal emotional state. Despite the attempts at using wearable sensors for monitoring sweat cortisol, there is a lack of reliable wearable sweat collection devices that preserve the concentration and integrity of sweat biomolecules corresponding to stress levels. Here, a flexible, self‐powered, evaporation‐free, bubble‐free, surfactant‐free, and scalable capillary microfluidic device, MicroSweat, is fabricated to reliably collect human sweat from different body locations. Cortisol levels are detected corresponding to severe stress ranging from 25 to 125 ng mL −1 averaged across multiple body regions and 100–1000 ng mL −1 from the axilla. A positive nonlinear correlation exists between cortisol concentration and stress levels quantified using the perceived stress scale (PSS). Moreover, owing to the sweat variation in response to environmental effects and physiological differences, the longitudinal and personalized profile of sweat cortisol is acquired, for the first time, for various body locations. The obtained sweat cortisol data is crucial for analyzing human stress in personalized and clinical healthcare sectors.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle