Non-invasive, non-enzymatic, non-serodiagnostic, and home-detecting paper-based “abnormal UA alarm” for early diagnosis of UA associated diseases
Notice bibliographique
Résumé
Uric acid (UA) level is a pivotal clinical human-health biomarker providing predictive feedback for multitudinous well-known kidney, cardiovascular and metabolic syndrome diseases. Off-the-shelf UA detection methods clinically rely on uricase suffer from limitations such as high costs, longstanding result acquisition, circumscribed testing locations, rigorous expertise requirements, and difficulty in home-detecting due to serum testing systems. Here, inspired by the pH-paper, a scaleable, rapid, non-invasive/-enzymatic/-serodiagnostic, and home-detecting “abnormal UA alarm” platform for UA detection in saliva was developed by strategically integrating the proposed paper-based fluorescent sensing-materials (NIFP-SM) with a user-orientated intelligent red-green-blue (RGB) analysis device. Therefore, NIFP-SM is nano-engineered through straightforward interfacial interactions of functional building blocks of on-demand naphthyl imide-derived fluorescent self-assembled micro-particles (NIFS) with lamellar structure and commercially-used filter paper. The NIFS possesses dominantly wide detection range (0–5 000 µmol/L) and high sensitivity (limit of detection = 0.91 µmol/L). Surprisingly, NIFS exhibited outstanding identifiability for uric acid even in the presence of 16 interferents, substantiating accurate detection-capability in intricate environments. Thus NIFP-SM equipped with NIFS resoundingly achieved efficient, rapid, and on-site visual detection of UA in saliva, urine-simulants, and foods. Further, the NIFP-SM-based automatic analysis platform integrated with an intelligent RGB analysis device was manufactured and enabled accurate quantitative, low-cost, non-invasive/-enzymatic/-serodiagnostic, rapid, home-detecting for UA, eliminating the need for costly equipment and specialized personnel and thereby facilitating early-warning detection of abnormal UA-levels associated diseases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».