Coffee Biomass-Based Carbon Material for the Electrochemical Determination of Antidepressant in Synthetic Urine
Notice bibliographique
Résumé
Escitalopram (ESC) is commonly prescribed as an antidepressant to enhance serotonin levels in the brain, effectively addressing conditions such as depression and anxiety. The COVID-19 pandemic, along with ongoing mental health crises, has exacerbated the prevalence of these disorders, largely due to factors such as social isolation, fear of the virus, and financial difficulties. This study presents the enhancement of a glassy carbon electrode (GC) through the incorporation of hydrochar (HDC) derived from spent coffee grounds and copper nanoparticles (CuNPs) for the detection of ESC in synthetic urine. Characterization of the nanocomposite was conducted using scanning electron microscopy (SEM), energy-dispersive spectroscopy (EDS), and cyclic voltammetry (CV). The analytical parameters were systematically optimized, and a sensing platform was utilized for the quantification of ESC via square-wave voltammetry (SWV). The established linear range was found to be between 1.0 µmol L−1 and 50.0 µmol L−1, with a limit of detection (LOD) of 0.23 µmol L−1. Finally, an electrochemical sensor was employed to measure ESC levels in synthetic urine, yielding recovery rates ranging from 91.7% to 94.3%. Consequently, the HDC-CuNPs composite emerged as a promising, sustainable, and cost-effective alternative for electroanalytical applications.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».