Self-powered triboelectric nanogenerator sensor for detecting humidity level and monitoring ethanol variation in a simulated exhalation environment
Notice bibliographique
Résumé
Respiration stands as a vital process reflecting physiological and pathological human health status. Exhaled breath analysis offers a facile, non-invasive, swift, and cost-effective approach for diagnosing and monitoring diseases by detecting concentration changes of specific biomarkers. In this study, we employed Polyethylene oxide/copper (I) oxide composite nanofibers (PCNFs), synthesized via the electrospinning method as the sensing material to measure ethanol levels (1-200 ppm) in an exhaled breath simulator environment. The integrated contact-separation triboelectric nanogenerator was utilized to power the self-powered PCNFs exhaled breath sensor. The PCNFs-based gas sensor demonstrates promising results with values of 0.9 and 3.2 for detecting 5 ppm and 200 ppm ethanol, respectively, in the presence of interfering gas at 90% relative humidity (RH). Notably, the sensor displayed remarkable ethanol selectivity, with ratios of 10:1 to methanol and 25:1 to acetone. Response and recovery times for 200 ppm ethanol at 90 RH% were rapid, at 2.7 s and 5.8 s, respectively. The PCNFs-based exhaled breath sensor demonstrated consistent and stable performance in practical conditions, showcasing its potential for integration into wearable devices. This self-powered breath sensor enabling continuous monitoring of lung cancer symptoms and facilitating compliance checks with legal alcohol consumption limits.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».