Exhaled Breath Analysis Detects the Clearance of Staphylococcus aureus from the Airways of Children with Cystic Fibrosis
Notice bibliographique
Résumé
Background: Electronic nose (eNose) technology can be used to characterize volatile organic compound (VOC) mixes in breath. While previous reports have shown that eNose can detect lung infections with pathogens such as Staphylococcus aureus (SA) in people with cystic fibrosis (CF), the clinical utility of eNose for longitudinally monitoring SA infection status is unknown. Methods: In this longitudinal study, a cloud-connected eNose, the SpiroNose, was used for the breath profile analysis of children with CF at two stable visits and compared based on changes in SA infection status between visits. Data analysis involved advanced sensor signal processing, ambient correction, and statistics based on the comparison of breath profiles between baseline and follow-up visits. Results: Seventy-two children with CF, with a mean (IQR) age of 13.8 (9.8–16.4) years, were studied. In those with SA-positive airway cultures at baseline but SA-negative cultures at follow-up (n = 19), significant signal differences were detected between Baseline and Follow-up at three distinct eNose sensors, i.e., S4 (p = 0.047), S6 (p = 0.014), and S7 (p = 0.014). Sensor signal changes with the clearance of SA from airways were unrelated to antibiotic treatment. No changes in sensor signals were seen in patients with unchanged infection status between visits. Conclusions: Our results demonstrate the potential applicability of the eNose as a non-invasive clinical tool to longitudinally monitor pulmonary SA infection status in children with CF.
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 | 0,001 |
| 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 ».