MétaCan
Menu
Retour à la cohorte
Enregistrement W3034308142 · doi:10.2196/18782

Feasibility of a Novel Mobile C-Reactive Protein–Testing Device Using Gold-Linked Electrochemical Immunoassay: Clinical Performance Study

2020· article· en· W3034308142 sur OpenAlexvenueno aff
Yuko Gondoh-Noda, Mitsuhiro Kometani, Akihiro Nomura, Daisuke Aono, Shigehiro Karashima, Hiromi Ushijima, Eiichi Tamiya, Toshinori Murayama, Takashi Yoneda

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiosensors and Analytical Detection
Établissements canadiensnon disponible
Organismes subventionnairesKanazawa University
Mots-clésImmunoassayGold standard (test)Colloidal goldMedicineInternal medicineMaterials scienceNanotechnologyImmunologyAntibodyNanoparticle

Résumé

récupéré en direct d'OpenAlex

Background Home-based care is one of the most promising solutions to provide sufficient medical care for several older patients in Japan. However, because of insufficient diagnostic devices, it is sometimes difficult to detect early signs of the occurrence or worsening of diseases, such as infections under home-based care settings. C-reactive protein (CRP) is highly sensitive to diagnosing infections, and its elevation can help diagnose acute infection in older patients. Therefore, a CRP-measuring device that can be used in such a specific occasion is needed for home-based care. However, aspects such as its size, weight, and procedure are still challenging with respect to the practical use of mobile devices that quantitatively measure CRP levels easily and quickly under home-based care settings. Objective We developed a new mobile, rapid CRP measurement device using a gold-linked electrochemical immunoassay (GLEIA) system. The aim of this study was to evaluate the feasibility of this mobile CRP-testing device. Methods First, we assessed the performance of bare GLEIA-based electrode chips as the foundation of the device. After embedding the bare GLEIA-based electrode chips in a special plastic case and developing the mobile CRP-testing device, we further tested the device prototype using clinical blood samples. Finally, we evaluated the intra-assay variability for precision in the same condition and inter-assay variability for reproducibility in different conditions. Results Blood samples for analysis were obtained by direct vein puncture from outpatients (N=85; females: 57/85; males: 28/85; age: 19-88 years) at Kanazawa University Hospital in Japan. For performance evaluation of bare GLEIA-based electrode chips, we used 85 clinical blood samples. There was a significant positive correlation between the electrode-predicted CRP levels and the reference CRP concentrations (R2=0.947; P<.001). The assembled device was mobile (size 45×90×2.4 mm; weight 10 g) and disposable. The minimum volume of the sample needed for measuring CRP was 1.4 µL. The estimated preanalytical time was approximately 7 minutes and 40 seconds, and analysis time was approximately 1 minute and 10 seconds. Subsequently, for performance evaluation of the mobile CRP-testing device using GLEIA-based electrode chips, we used 26 clinical blood samples and found a significant positive correlation between the mobile device-predicted CRP levels and the reference CRP concentrations (R2=0.866, P<.001). The intra-assay variabilities were 34.2%, 40.8%, and 24.5% for low, medium, and high CRP concentrations, respectively. The inter-assay variabilities were 46.5%, 38.3%, and 64.1% for low, medium, and high CRP concentrations, respectively. Conclusions Our findings suggest that this new mobile CRP-testing device might be suitable for use in home-based care settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,807
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

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

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 Opus0,162
Tête enseignante GPT0,397
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetBiosensors and Analytical DetectionTravaux en français237 207