Detection of lung cancer using expired breath analysis by ion mobility spectrometry
Notice bibliographique
Résumé
<b>Introduction:</b> Volatile organic compounds (VOC9s) present in exhaled breath reflect the metabolic activity of the body and change in the presence of both respiratory disease and lung cancer. Human breath analysis is a non-invasive technique for the rapid identification of gas-phase analytes, such as VOC9s, and offers a new clinical diagnostic tool. Ion Mobility Spectrometry coupled with a Multi Capillary Column (MCC/IMS) allows exhaled breath to be rapidly analysed and characterised with great precision. <b>Aim:</b> To derive a database of exhaled breath profiles from participants with and without respiratory disease and to use this database to determine if breath borne VOC9s can be used to differentiate disease states. <b>Methodology:</b> Breath samples from 323 respiratory patients with and without lung cancer were measured using the MCC/IMS and analysed in real time (mean age 68 years, 195 males and 128 females). Demographic data, medical diagnosis and medical history were also collected. <b>Results:</b> The respiratory data were compared to control data from 182 healthy participants of the general public and NHS staff. All breath profiles collected were analysed using advanced chemometric techniques developed in collaboration with Radboud University, Nijmegen, Netherlands. This analysis determined which exhaled breath VOC9s have the potential to differentiate disease. <b>Conclusion:</b> The study has shown that lung cancer can be identified with 87% specificity and 70% sensitivity from healthy controls, reiterating the potential of breath analysis as a diagnosis tool.
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 | 0,001 |
| 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 ».