Realizing the Potential of Commercial E-Textiles for Wearable Glucose Biosensing Application
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
High Resolution Image Download MS PowerPoint Slide Advancements in wearable technology have enabled noninvasive health monitoring using biosensors. This research focuses on developing a textile-based sweat glucose sensor using commercially available conductive textiles, evading the complexity of traditional fabrication methods. A comparative analysis of three low-cost conductive textiles, Adafruit 1364, 1167, and 4762, has been conducted for electrochemical glucose detection with glucose-specific enzymes such as glucose oxidase (GOx) and glucose dehydrogenase (GDH). Adafruit 1364 outperformed others in morphological, electrochemical, and wearable properties. Cyclic voltammetry shows that Adafruit 1364 and 4762 effectively detect glucose at the potential of 0.23 and 0.08 V using glucose oxidase and 0.1 and 0.08 V using glucose dehydrogenase enzymes, respectively. Furthermore, chronoamperometry has been conducted to confirm the presence of glucose at 1 μM concentration. Differential pulse voltammetry was conducted to assess the sensitivity of the Adafruit 1364 fabric electrode using glucose solutions with concentrations of 0.05, 0.15, 0.25, and 0.5 mM. The electrode immobilized with GOx showed a sensitivity of 0.005 μA μM −1 and a limit of detection (LOD) of 41.3 μM, while the electrode immobilized with GDH exhibited a sensitivity of 0.0019 μA μM −1 and an LOD of 63.1 μM. The study also highlighted the reproducibility, effect of interferents, and advantageous wearable properties of these sensors.
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 | 0,000 |
| 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 découle