Boosting hydrogel conductivity via water-dispersible conducting polymers for injectable bioelectronics
Notice bibliographique
Résumé
Bioelectronic devices hold transformative potential for healthcare diagnostics and therapeutics. Yet, traditional electronic implants often require invasive surgeries and are mechanically incompatible with biological tissues. Injectable hydrogel bioelectronics offer a minimally invasive alternative that interfaces with soft tissue seamlessly. A major challenge is the low conductivity of bioelectronic systems, stemming from poor dispersibility of conductive additives in hydrogel mixtures. We address this issue by engineering doping conditions with hydrophilic biomacromolecules, enhancing the dispersibility of conductive polymers in aqueous systems. This approach achieves a 5-fold increase in dispersibility and a 20-fold boost in conductivity compared to conventional methods. The resulting conductive polymers are molecularly and in vivo degradable, making them suitable for transient bioelectronics applications. These additives are compatible with various hydrogel systems, such as alginate, forming ionically cross-linkable conductive inks for 3D-printed wearable electronics toward high-performance physiological monitoring. Furthermore, integrating conductive fillers with gelatin-based bioadhesive hydrogels substantially enhances conductivity for injectable sealants, achieving 250% greater sensitivity in pH sensing for chronic wound monitoring. Our findings indicate that hydrophilic dopants effectively tailor conducting polymers for hydrogel fillers, enhancing their biodegradability and expanding applications in transient implantable biomonitoring.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».