临床诊断喘并监测其严重程度,使用超敏感的化学阻断性氧化 (NO) 气体传感器,通过通过模式识别辅助的呼气分析进行呼吸分析

科学领域:

• 材料科学 材料科学 材料科学
• 生物医学工程 生物医学工程
• 分析化学 分析化学

背景情况:

• 分数呼出的氧化 (FeNO) 是喘诊断和管理的关键生物标志物.
• 现有的FeNO传感器可能缺乏准确的临床评估所需的灵敏度或特异性.
• 需要先进的传感器,能够检测出多个与喘相关的呼吸生物标志物.

研究的目的:

• 开发和验证一种超敏感的化学阻燃气体传感器,用于检测出口气中的氧化 (NO) 和硫化 (H2S).
• 评估传感器在喘患者和健康个体之间区分的能力.
• 为了评估传感器监测喘严重程度的潜力.

主要方法:

• 用Ag装饰的ZnO化学阻力气体传感器的制造.
• 检测低极限的NO和H2S (NO为5ppb,H2S为50ppb).
• 临床测试使用80个呼气样本 (40名喘患者,40名健康对照).
• 模式识别 (PCA) 和机器学习 (SVM) 算法的应用用于诊断.
• 相关性分析与峰值呼气流 (PEF) 变化用于严重性监测.
• 与商业电化学NO传感器进行验证.
• 使用DFT计算进行理论分析,以了解传感机制.

主要成果:

• 传感器达到NO的检测极限为5ppb,H2S的检测极限为50ppb.
• 使用SVM的诊断模型在区分喘患者时实现了81%的准确性,88%的灵敏性和75%的特异性.
• 传感器显示出与日间PEF变化的强烈负相关性 (r = -0.74),表明其在监测喘严重性的有用性.
• 与商业传感器相对验证证实了强烈的线性关系 (r = -0.98,R2 = 0.94).
• DFT计算揭示了超敏感的NO吸附机制.

结论:

• 开发的Ag装饰的ZnO传感器是一种高度敏感和有选择性的设备,用于检测出口气中的关键喘生物标志物.
• 该传感器显示出在临床环境中准确诊断喘和有效监测疾病严重程度的巨大潜力.
• 这些发现支持使用这种新型传感器作为呼吸系统医学中宝贵的工具.