MétaCan
Menu
Retour à la cohorte
Enregistrement W3217601412 · doi:10.3390/bios11120476

Exhaled Breath Analysis for Diabetes Diagnosis and Monitoring: Relevance, Challenges and Possibilities

2021· review· en· W3217601412 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBiosensors · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of VictoriaUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésBreath gas analysisMedicineIntensive care medicineDiabetes mellitusDiabetes managementPopulationExhaled breath condensateExhalationBiomarkerRisk analysis (engineering)Type 2 diabetesEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

With the global population prevalence of diabetes surpassing 463 million cases in 2019 and diabetes leading to millions of deaths each year, there is a critical need for feasible, rapid, and non-invasive methodologies for continuous blood glucose monitoring in contrast to the current procedures that are either invasive, complicated, or expensive. Breath analysis is a viable methodology for non-invasive diabetes management owing to its potential for multiple disease diagnoses, the nominal requirement of sample processing, and immense sample accessibility; however, the development of functional commercial sensors is challenging due to the low concentration of volatile organic compounds (VOCs) present in exhaled breath and the confounding factors influencing the exhaled breath profile. Given the complexity of the topic and the skyrocketing spread of diabetes, a multifarious review of exhaled breath analysis for diabetes monitoring is essential to track the technological progress in the field and comprehend the obstacles in developing a breath analysis-based diabetes management system. In this review, we consolidate the relevance of exhaled breath analysis through a critical assessment of current technologies and recent advancements in sensing methods to address the shortcomings associated with blood glucose monitoring. We provide a detailed assessment of the intricacies involved in the development of non-invasive diabetes monitoring devices. In addition, we spotlight the need to consider breath biomarker clusters as opposed to standalone biomarkers for the clinical applicability of exhaled breath monitoring. We present potential VOC clusters suitable for diabetes management and highlight the recent buildout of breath sensing methodologies, focusing on novel sensing materials and transduction mechanisms. Finally, we portray a multifaceted comparison of exhaled breath analysis for diabetes monitoring and highlight remaining challenges on the path to realizing breath analysis as a non-invasive healthcare approach.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,064
Tête enseignante GPT0,300
Écart entre enseignants0,236 · 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