Sputum and salivary protein biomarkers and point-of-care biosensors for the management of COPD
Notice bibliographique
Résumé
Chronic obstructive pulmonary disease (COPD) has become one of the most fatal diseases of the century considering mortality and morbidity levels worldwide. This disease is an inflammatory response to environmental stress and tobacco smoking. Although spirometry is the gold-standard diagnostic test administrated in primary and secondary care, it often exhibits low accuracy in cases of predicting disease worsening and possible bias due to the operator, patient, and conditions. Recent developments in proteomics research suggest that the presence of protein biomarkers can aid in the accurate diagnosis and prediction of disease outcomes. This review presents the cutting-edge research progress in the area of protein biomarkers towards the management of COPD. The literature review was confined to protein biomarkers in saliva and sputum because testing these bodily fluids shows great promise for point-of-care (POC) testing due to its practicality, non-invasiveness and inexpensive handling and sampling. Although it is conclusive that more studies on sputum and saliva are needed, this review studies the promising clinical value of interleukin (IL)-6 and IL-8, matrix metalloproteinase (MMP)-8 and MMP-9, C-reactive protein (CRP), tumor necrosis factor-alpha (TNF-α), and neutrophil elastase (NE). Following the critical analysis of salivary and sputum biomarkers, the recent development of POC biosensors for the multiplexed detection of biomarkers is also reported. Overall, the review aims to explore the possibility for the future development of POC sensors for chronic lung disease management utilizing clinically relevant biomarkers in saliva and sputum.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».