基于快速响应呼吸气体分析仪的快速采样算法,加速对流行病感染的诊断

科学领域:

• 医学诊断 医学诊断 医学诊断
• 呼吸系统生理学 呼吸系统生理学
• 分析化学 分析化学

背景情况:

• 气膜呼吸分析对于疾病查至关重要,因为呼出的空气含有反映健康状况的生物标志物 (外源性挥发性有机化合物或EVOC).
• 精确收集小气泡空气体积 (<350毫升) 是至关重要的,因为不准确的采样可以显著改变生物标志物度和妥协诊断.
• 现有的方法在精确隔离呼吸的气膜组成部分方面面临挑战,特别是在患有呼吸系统疾病的患者中.

研究的目的:

• 提出一种新的,高度准确的,可重复的技术,用于提取人类呼吸的气膜部分.
• 通过确保精确的样本采集,提高用于医学诊断的呼吸分析的可靠性.
• 通过增强呼吸样本完整性,促进更有效的疾病查.

主要方法:

• 使用快速,补偿的非分散性红外 (NDIR) 传感器来监测呼气中的二氧化碳度变化.
• 采用简单的移动相邻平均 (SMAA) 算法来分析二氧化碳波动和识别呼气阶段.
• 专注于精确的时间识别气膜口气出口阶段.

主要成果:

• 开发的技术准确地识别出气阶段,不确定性很低,约为20 ms.
• 这种精度允许用于后续诊断分析的可靠窗口约为350毫秒.
• 在样本采集中表现出高的重复性,这对于一致的诊断结果至关重要.

结论:

• 这种新技术在精确和可重复收集气泡口气样本方面取得了重大进展.
• 改进的样本采集提高了呼吸分析对各种疾病的诊断潜力.
• 这种方法为开发更有效的基于呼吸的诊断工具提供了坚实的基础.