MétaCan
Menu
Retour à la cohorte
Enregistrement W3004946336 · doi:10.3390/ijerph17031110

Exhaled Breath Analysis in Diagnosis of Malignant Pleural Mesothelioma: Systematic Review

2020· review· en· W3004946336 sur OpenAlexaboutno aff
Zehra Nur Töreyin, Manosij Ghosh, Özlem Göksel, Tuncay Göksel, Lode Godderis

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensnon disponible
Organismes subventionnairesKU Leuven
Mots-clésMedicineMesotheliomaPopulationSystematic reviewInternal medicinePathologyMEDLINEEnvironmental healthChemistry

Résumé

récupéré en direct d'OpenAlex

Malignant pleural mesothelioma (MPM) is mainly related to previous asbestos exposure. There is still dearth of information on non-invasive biomarkers to detect MPM at early stages. Human studies on exhaled breath biomarkers of cancer and asbestos-related diseases show encouraging results. The aim of this systematic review was to provide an overview on the current knowledge about exhaled breath analysis in MPM diagnosis. A systematic review was conducted on MEDLINE (PubMed), EMBASE and Web of Science databases to identify relevant studies. Quality assessment was done by the Newcastle-Ottawa Scale. Six studies were identified, all of which showed fair quality and explored volatile organic compounds (VOC) based breath profile using Gas Chromatography Coupled to Mass Spectrometry (GC-MS), Ion Mobility Spectrometry Coupled to Multi-capillary Columns (IMS-MCC) or pattern-recognition technologies. Sample sizes varied between 39 and 330. Some compounds (i.e, cyclohexane, P3, P5, P50, P71, diethyl ether, limonene, nonanal, VOC IK 1287) that can be indicative of MPM development in asbestos exposed population were identified with high diagnostic accuracy rates. E-nose studies reported breathprints being able to distinguish MPM from asbestos exposed individuals with high sensitivity and a negative predictive value. Small sample sizes and methodological diversities among studies limit the translation of results into clinical practice. More prospective studies with standardized methodologies should be conducted on larger populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,0070,008
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,391
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207