MétaCan
Menu
Retour à la cohorte
Enregistrement W4402687814 · doi:10.1021/acs.analchem.4c04242

Superhydrophobic Paper Strips with Embedded Agarose-Anthocyanin Mini-Discs for Point-of-Need Quantitative pH Measurements

2024· article· en· W4402687814 sur OpenAlexafffund
Michelle Leung, Lingling Zhang, Xiaochun Li, Hua‐Zhong Yu

Notice bibliographique

RevueAnalytical Chemistry · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryAgaroseAnthocyaninSTRIPSQuantitative analysis (chemistry)ChromatographyNanotechnologyFood scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Commercial pH paper is a quick and simple tool for measuring a solution's acidity/basicity, but it only provides qualitative or semi-quantitative results, and the synthetic indicator dyes within can be toxic or carcinogenic. Although pH meters enable more accurate and quantitative analysis, they are less convenient to operate and are tedious to calibrate. This presents a need for an alternative pH testing method for applications where it is not easy or possible to use a pH meter, yet quantitative results are desired. We report herein the fabrication of a pH test strip made from superhydrophobic paper and agarose-anthocyanin film discs. In the proposed method, test strips are dipped into samples and then imaged with a portable scanner (or a smartphone). The color of the film is extracted with ImageJ software (or a mobile app), using the RGB color system. By generating a calibration curve relating the film color to the sample pH using standard buffer solutions, we are able to quantify the pH of beverages and other liquids with an accuracy and precision comparable to that of a pH meter. The test strips offer the same convenience as conventional pH paper, with the added capabilities of quantitation and multiplexed testing, which presents a practical tool for point-of-need pH analysis.

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 enseignants0,368
Score d'incertitude au seuil0,799

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 Opus0,026
Tête enseignante GPT0,259
Écart entre enseignants0,233 · 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetBiosensors and Analytical DetectionTravaux en français237 207