Volatile organic compound profiling to explore primary graft dysfunction after lung transplantation
Notice bibliographique
Résumé
Primary graft dysfunction (PGD) is a major determinant of morbidity and mortality following lung transplantation. Delineating basic mechanisms and molecular signatures of PGD remain a fundamental challenge. This pilot study examines if the pulmonary volatile organic compound (VOC) spectrum relate to PGD and postoperative outcomes. The VOC profiles of 58 bronchoalveolar lavage fluid (BALF) and blind bronchial aspirate samples from 35 transplant patients were extracted using solid-phase-microextraction and analyzed with comprehensive two-dimensional gas chromatography coupled to time-of-flight mass spectrometry. The support vector machine algorithm was used to identify VOCs that could differentiate patients with severe from lower grade PGD. Using 20 statistically significant VOCs from the sample headspace collected immediately after transplantation (< 6 h), severe PGD was differentiable from low PGD with an AUROC of 0.90 and an accuracy of 0.83 on test set samples. The model was somewhat effective for later time points with an AUROC of 0.80. Three major chemical classes in the model were dominated by alkylated hydrocarbons, linear hydrocarbons, and aldehydes in severe PGD samples. These VOCs may have important clinical and mechanistic implications, therefore large-scale study and potential translation to breath analysis is recommended.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».