Salivary molecular spectroscopy: A sustainable, rapid and non-invasive monitoring tool for diabetes mellitus during insulin treatment
Notice bibliographique
Résumé
Monitoring of blood glucose is an invasive, painful and costly practice in diabetes. Consequently, the search for a more cost-effective (reagent-free), non-invasive and specific diabetes monitoring method is of great interest. Attenuated total reflectance Fourier transform infrared (ATR-FTIR) spectroscopy has been used in diagnosis of several diseases, however, applications in the monitoring of diabetic treatment are just beginning to emerge. Here, we used ATR-FTIR spectroscopy to evaluate saliva of non-diabetic (ND), diabetic (D) and insulin-treated diabetic (D+I) rats to identify potential salivary biomarkers related to glucose monitoring. The spectrum of saliva of ND, D and D+I rats displayed several unique vibrational modes and from these, two vibrational modes were pre-validated as potential diagnostic biomarkers by ROC curve analysis with significant correlation with glycemia. Compared to the ND and D+I rats, classification of D rats was achieved with a sensitivity of 100%, and an average specificity of 93.33% and 100% using bands 1452 cm-1 and 836 cm-1, respectively. Moreover, 1452 cm-1 and 836 cm-1 spectral bands proved to be robust spectral biomarkers and highly correlated with glycemia (R2 of 0.801 and 0.788, P < 0.01, respectively). Both PCA-LDA and HCA classifications achieved an accuracy of 95.2%. Spectral salivary biomarkers discovered using univariate and multivariate analysis may provide a novel robust alternative for diabetes monitoring using a non-invasive and green technology.
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 | 0,000 |
| 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 ».