MétaCan
Menu
Retour à la cohorte
Enregistrement W4406882423 · doi:10.3389/frlct.2025.1502127

Capillary microfluidics for diagnostic applications: fundamentals, mechanisms, and capillarics

2025· article· en· W4406882423 sur OpenAlexaff
Elham Khanjani, Andrea Fergola, Joan Antoni López Martínez, Simin Nazarnezhad, Jasmina Casals‐Terré, Simone Luigi Marasso, Behrouz Aghajanloo

Notice bibliographique

RevueFrontiers in Lab on a Chip Technologies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsCapillary actionNanotechnologyComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Microfluidic systems, especially those using capillary forces, have recently attracted considerable interest due to their potential to facilitate passive fluid management in portable diagnostic devices and point-of-care settings. These systems utilize capillary forces to autonomously regulate fluid flow, eliminating the requirement for external power and providing a more straightforward and economical option compared to active microfluidic systems. This review examines the fundamental concepts of capillary-driven microfluidics, emphasizing significant progress in the design of capillary pumps and valves, as well as the influence of surface tension, wettability, and the geometrical configurations of microchannels on the enhancement of fluid dynamics. Furthermore, the review explores other configurations, such as porous and solid substrates, to illustrate their potential for healthcare and biochemical applications. Moreover, the challenges related to managing flow rates and enhancing the reproducibility of devices are addressed, alongside recent innovations designed to overcome these challenges. Capillary systems offer an effective and reliable foundation for developing miniaturized diagnostic instruments, which hold significant potential across various domains, including biological research and environmental monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations24
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Lab on a Chip TechnologiesMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207