It has been reported that concentra

It has been reported that concentrations of several biomarkers in diabetics’ breath show significant difference from those in healthy people’s breath. Concentrations of some biomarkers are also correlated with the blood glucose levels (BGLs) of diabetics. Therefore, it is possible to screen for diabetes and predict BGLs by analyzing one’s breath. In this paper, we describe the design of a novel breath analysis system for this purpose. The system uses carefully selected chemical sensors to detect biomarkers in breath. Common interferential factors, including humidity and the ratio of alveolar air in breath, are compensated or handled in the algorithm. Considering the intersubject variance of the components in breath, we build subject-specific prediction models to improve the accuracy of BGL prediction. A total of 295 breath samples from healthy subject sand 279 samples from diabetic subjects were collected to evaluate the performance of the system. The sensitivity and specificity of diabetes screening are 91.51% and 90.77%, respectively. The mean relative absolute error for BGL prediction is 21.7%. Experiments show that the system is effective and that the strategies adopted in the system can improve its accuracy. The system potentially provides a noninvasive and convenient method for diabetes screening and BGL monitoring as an adjunct to the standard criteria.

ผลลัพธ์ (ไทย) 1:

มีรายงานว่า ความเข้มข้นของ biomarkers หลายในลมหายใจเบาหวานแสดงงมากต่างจากลมหายใจของคนที่มีสุขภาพ ความเข้มข้นของ biomarkers บางยังได้มีความสัมพันธ์กับระดับน้ำตาลในเลือด (BGLs) ของเบาหวาน ดังนั้น มันเป็นหน้าจอสำหรับโรคเบาหวาน และทำนาย BGLs โดยการวิเคราะห์การกลั้นหายใจ ในกระดาษนี้ เราอธิบายการออกแบบนวนิยายหายใจวิเคราะห์ระบบสำหรับวัตถุประสงค์นี้ ระบบจะใช้เซนเซอร์เคมีที่คัดสรรเพื่อตรวจ biomarkers ในลมหายใจ ปัจจัย interferential ทั่วไป รวมทั้งอัตราส่วนของอากาศเสียงและความชื้นในลมหายใจ ชดเชย หรือมีจัดการในการ พิจารณาความแปรปรวน intersubject ของคอมโพเนนต์ในลมหายใจ เราสร้างการ specific เรื่องคาดเดารุ่นปรับปรุงความแม่นยำของการคาดการณ์ของ BGL จำนวนตัวอย่างลมหายใจ 295 จากตัวอย่าง 279 สุขภาพเรื่องทรายจากเรื่องโรคเบาหวานถูกเก็บรวบรวมการประเมินประสิทธิภาพของระบบ ความไวและ specificity ของการคัดกรองโรคเบาหวานอยู่ที่ 91.51 และ 90.77% ตามลำดับ หมายถึงสัมพันธ์สัมบูรณ์ข้อผิดพลาดสำหรับการคาดเดา BGL เป็น 21.7% การทดลองแสดงว่า ระบบมีประสิทธิภาพ และให้กลยุทธ์ที่นำมาใช้ในระบบสามารถปรับปรุงความถูกต้อง ระบบอาจแสดงวิธี noninvasive และสะดวกสำหรับการคัดกรองเบาหวานและการตรวจสอบ BGL เป็นเกียรติคุณเป็นเกณฑ์มาตรฐาน

ผลลัพธ์ (ไทย) 2:

มันได้รับรายงานว่ามีความเข้มข้นในหลาย biomarkers ในผู้ป่วยโรคเบาหวาน 'ลมหายใจแสดงนัยสำคัญ Fi แตกต่างลาดเทจากผู้ที่อยู่ในลมหายใจที่ดีต่อสุขภาพของผู้คน ความเข้มข้นของ biomarkers บางส่วนมีความสัมพันธ์ยังมีระดับน้ำตาลในเลือด (BGLs) ของผู้ป่วยโรคเบาหวาน ดังนั้นจึงเป็นไปได้ที่จะคัดกรองโรคเบาหวานและคาดการณ์ BGLs โดยการวิเคราะห์ลมหายใจ ในบทความนี้เราจะอธิบายการออกแบบของระบบการวิเคราะห์ลมหายใจนวนิยายสำหรับวัตถุประสงค์นี้ ระบบจะใช้เซ็นเซอร์ที่เลือกอย่างระมัดระวังสารเคมีในการตรวจสอบ biomarkers ในลมหายใจ ปัจจัย interferential ทั่วไปรวมถึงความชื้นและอัตราส่วนของอากาศในถุงลมหายใจจะมีการชดเชยหรือการจัดการในขั้นตอนวิธี เมื่อพิจารณาจากความแปรปรวน intersubject ของส่วนประกอบในลมหายใจเราสร้างเรื่อง speci Fi รุ่น C ทำนายเพื่อปรับปรุงความแม่นยำของการทำนาย BGL รวม 295 ตัวอย่างจากลมหายใจทรายเรื่องสุขภาพดี 279 ตัวอย่างจากอาสาสมัครที่เป็นโรคเบาหวานที่ถูกเก็บรวบรวมเพื่อประเมินประสิทธิภาพของระบบ ความไวและความระบุไว้เมืองของการคัดกรองโรคเบาหวานมี 91.51% และ 90.77% ตามลำดับ หมายถึงข้อผิดพลาดแน่นอนญาติทำนาย BGL เป็น 21.7% การทดลองแสดงให้เห็นว่าเป็นระบบที่มีประสิทธิภาพและกลยุทธ์ที่นำมาใช้ในระบบสามารถปรับปรุงความถูกต้อง ระบบอาจมีวิธีการไม่รุกล้ำและสะดวกสบายสำหรับการตรวจคัดกรองโรคเบาหวานและการตรวจสอบ BGL เป็นส่วนเสริมเกณฑ์มาตรฐาน

ผลลัพธ์ (ไทย) 3:

มันได้รับรายงานว่าปริมาณหลายทางชีวภาพ ในผู้ป่วยเบาหวาน ' ลมหายใจแสดง signi จึงไม่แตกต่างจากผู้ที่อยู่ในลมหายใจของคนสุขภาพดี ความเข้มข้นของยาซึ่งมีความสัมพันธ์กับระดับน้ำตาลในเลือด ( bgls ) ของผู้ป่วยโรคเบาหวาน ดังนั้นจึงเป็นไปได้ที่จะคัดกรองโรคเบาหวานและ bgls ทำนายโดยวิเคราะห์หนึ่งของลมหายใจ ในกระดาษนี้เราอธิบายการออกแบบของนวนิยายลมหายใจการวิเคราะห์ระบบสำหรับวัตถุประสงค์นี้ ระบบจะใช้เซ็นเซอร์ตรวจจับการคัดสรรเคมีใหม่ในลมหายใจ ปัจจัยินเตอร์เฟอเรนเชียลที่พบบ่อย ได้แก่ ความชื้น และอัตราส่วนของอากาศ : ในลมหายใจ จะชดเชยหรือจัดการในขั้นตอนวิธีการ พิจารณา intersubject ความแปรปรวนขององค์ประกอบในลมหายใจ เราจึงสร้างแบบจำลองการคาดการณ์เรื่องประเภท C เพื่อปรับปรุงความถูกต้องของ BGL พยากรณ์ ทั้งหมด 295 ลมหายใจตัวอย่างจากทรายเรื่องสุขภาพ 279 ตัวอย่าง จากกลุ่มตัวอย่างเบาหวานครั้งนี้เพื่อประเมินประสิทธิภาพของระบบ ความไวและการคัดกรองโรคเบาหวาน เมืองกาจึง 91.51 % และ 90.77 ตามลำดับ ความคลาดเคลื่อนสัมบูรณ์เฉลี่ยสัมพัทธ์ BGL การทำนายปลุกเร้า การทดลองแสดงให้เห็นว่าระบบที่มีประสิทธิภาพและกลยุทธ์ที่นำมาใช้ในระบบสามารถปรับปรุงความถูกต้องของ ระบบอาจไม่สะดวก และมีวิธีการคัดกรองโรคเบาหวานและ BGL การเสริมกับเกณฑ์มาตรฐาน