Non‐Invasive Diagnosis of Hypertrophic Cardiomyopathy by Breath
Notice bibliographique
Résumé
Abstract Undetected in many patients, hypertrophic cardiomyopathy (HCM) is a widespread genetic heart disorder. Conventional diagnosis is based on physiological metrics such as blood pressure, imaging techniques, and genetic testing. Detection of HCM is crucial for proper follow‐up, family screening, early treatment, and risk stratification to prevent sudden cardiac death. Therefore, there is an unmet need for fast and reliable diagnostic methods. This study introduces an innovative approach for the noninvasive, rapid, and accurate diagnosis of HCM by detecting patterns of volatile organic compounds (VOCs) in the patient's breath. Breath from 157 volunteers is collected on sorbent tubes and analyzed using a two‐step approach, gas chromatography‐mass spectrometry (GC‐MS), and a developed nano‐based sensor array. Initially, statistically significant differences in VOC patterns among sampled groups are identified using GC‐MS. Then, the sensor array is used to differentiate between HCM patients and controls, resulting in the testing set, with 92.9% accuracy, 75% specificity, and 94.7% sensitivity. The sensors can further classify subcategories of HCM with >70.3% accuracy for all cases in the testing set. These findings show the applicability of the sensors setup and suggest that VOCs may be a promising noninvasive and real‐time HCM diagnosis option.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».