Low-level salinity monitoring in drinking water using an electrochemical microfluidic sensor with an ion-selective polymer membrane
Notice bibliographique
Résumé
Sensitive methods for detecting low salt levels (<100 ppm) in drinking water are limited. Current techniques lack specificity or are too costly and complex for point-of-need use. This study presents an innovative electrochemical sensor for precise monitoring of low-level salt ions in drinking water. It integrates an in-situ prepared, UV-curable standalone Ion-Selective Polymer (ISP) membrane within a Polymethyl methacrylate-based microfluidic chip. The ISP membrane containing carboxylic and amide functional groups selectively interacts with target ions. This interaction alters the electrochemical signal, which is measured using two electrodes prepared on either side of the ISP membrane. Chronoamperometry was used to assess the sensor's performance in the presence of different salt ions (i.e., NaCl, KCl, NaNO 3 , and KNO 3 ) from 0 to 800 ppm concentrations. The ISP membrane exhibited significantly higher selectivity towards Na + ions. When compared with a membrane-less sensor, the ISP membrane-integrated device showcased a 87 % improvement in the limit of detection from 3.39 to 0.45 ppm, an 91.6 % reduction in the limit of quantification from 5.84 to 0.49 ppm, and a 28.7-fold increase in sensitivity from 0.7 to 20.1 nA/ppm. Furthermore, the sensor was validated using diluted municipal tap water, achieving recoveries between 84.7 % and 105 % with RSDs below 10 %. The ISP membrane composition can be tailor-made for a wide range of biological and chemical contaminants while the microfluidic chip design is suitable for scalable manufacturing and integration into Point-of-Need testing platforms.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».