MétaCan
Menu
Retour à la cohorte
Enregistrement W4401388272 · doi:10.1021/acs.analchem.4c02034

Innovative Wearable Sweat Sensor Array for Real-Time Volatile Organic Compound Detection in Noninvasive Diabetes Monitoring

2024· article· en· W4401388272 sur OpenAlexafffund
Fatemeh Binabaji, Kheibar Dashtian, Rouholah Zare‐Dorabei, Neda Naseri, Meissam Noroozifar, Kağan Kerman

Notice bibliographique

RevueAnalytical Chemistry · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesOntario Ministry of Research and InnovationNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoIran University of Science and TechnologyUniversity of Toronto ScarboroughTehran University of Medical Sciences and Health ServicesCanada Research ChairsCanada Foundation for Innovation
Mots-clésWearable computerChemistryMicrofluidicsNanotechnologyComputer scienceEmbedded systemMaterials science

Résumé

récupéré en direct d'OpenAlex

Wearable sweat sensors are reshaping healthcare monitoring, providing real-time data on hydration and electrolyte levels with user-friendly, noninvasive devices. This paper introduces a highly portable two-channel microfluidic device for simultaneous sweat sampling and the real-time detection of volatile organic compound (VOC) biomarkers. This innovative wearable microfluidic system is tailored for monitoring diabetes through the continuous and noninvasive tracking of acetone and ammonia VOCs, and it seamlessly integrates with smartphones for easy data management. The core of this system lies in the utilization of carbon polymer dots (CPDs) and carbon dots (CDs) derived from monomers such as catechol, resorcinol, o -phenylenediamine, urea, and citric acid. These dots are seamlessly integrated into hydrogels made from gelatin and poly(vinyl alcohol), resulting in an advanced solid-state fluorometric sensor coating on a cellulose paper substrate. These sensors exhibit exceptional performance, offering linear detection ranges of 0.05–0.15 ppm for acetone and 0.25–0.37 ppm for ammonia, with notably low detection limits of 0.01 and 0.08 ppm, respectively. Rigorous optimization of operational parameters, encompassing the temperature, sample volume, and assay time, has been undertaken to maximize device performance. Furthermore, these sensors demonstrate impressive selectivity, effectively discerning between biologically similar substances and other potential compounds commonly present in sweat. As this field matures, the prospect of cost-effective, continuous, personalized health monitoring through wearable VOC sensors holds significant potential for overcoming barriers to comprehensive medical care in underserved regions. This highlights the transformative capacity of wearable VOC sweat sensing in ensuring equitable access to advanced healthcare diagnostics, particularly in remote or geographically isolated areas.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,754

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 Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations43
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207