Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

BREVOC-tutkimus: Hengityksen VOCs korkean riskin rintakivulle päivystyksessä (BREVOC)

perjantai 23. tammikuuta 2026 päivittänyt: Qilu Hospital of Shandong University

Nopean hengityksen haihtuvien orgaanisten yhdisteiden havaitsemisen soveltaminen ensiavussa korkean riskin rintakipupotilaiden erottamiseksi

Tutkimuksen tavoitteet

  1. Diagnostisten biomarkkereiden seulonta ja tunnistaminen: Perustaa akuutin korkean riskin rintakipupotilaiden uloshengitettyjen haihtuvien orgaanisten yhdisteiden (VOC) profiili ja erottaa korkean riskin rintakipupotilaita.
  2. Aldehydien havaitsemisen tutkiminen: Tutkia uloshengitettyjen aldehydien havaitsemisen roolia korkean riskin rintakipupotilailla; perustaa ja validoida varhainen erotusdiagnostinen malli uloshengitetyistä VOC-yhdisteistä korkean riskin rintakivulle, täten optimoiden ensiapuosaston triage-käytäntöjä.
  3. Prognostinen arviointi: Arvioida VOC-pitoisuuksien muutosten ennustearvoa korkean riskin rintakipupotilaiden sairaalakuolleisuudelle ja suurille haitallisille kardiovaskulaarisille tapahtumille (MACE).
  4. Uudet diagnostiset merkkiaineet: Tutkia uusia biomarkkeriyhdistelmiä, jotka ovat perinteisiä diagnostisia indikaattoreita parempia.

Tutkimuksen hypoteesit

  1. Korkean riskin rintakipupotilailla on VOC-profiili, joka eroaa terveiden henkilöiden ja muista rintakivun syistä kärsivien potilaiden profiilista.
  2. Uloshengitettyjen VOC-yhdisteiden perustasot ja varhaiset muutokset voivat mahdollistaa sekä nopean diagnoosin että riskiluokituksen.
  3. Uloshengitetyt VOC-yhdisteet voivat ennustaa korkean riskin rintakipupotilaiden ennustetta. Otoskoko Laskenta Tämä on tutkiva tutkimus, jonka tavoitteena on ottaa mukaan kaikki potilaat, jotka saapuvat akuutilla rintakivulla sairaalamme ensiapuosastolle toukokuun 2025 ja kesäkuun 2026 välisenä aikana. Aiempiin tutkimuksiin perustuen ensisijainen loppupiste arvioidaan käyttäen vastaanottajan toimintaominaisuuskäyrän alle jäävää pinta-alaa (AUC-ROC) analyysiä, kun α = 0.05 ja 1-β = 0.90. Odotettu mallin AUC on 0.75, verrattuna vähimmäishyväksyttävään AUC:hen 0.65. Olettaen ryhmäsuhteeksi 1:2 (korkea riski: ei-korkea riski), Power Analysis and Sample Size (PASS) -ohjelmisto arvioi vähimmäisotokooksi noin 1 320 potilasta.

Alaryhmäanalyysien (esim. akuutti sepelvaltimotauti [ACS], keuhkoembolia [PE], aortan dissektio [AD]) mahdollistamiseksi ja monimuuttujaprediktiivisten mallien rakentamiseksi tarvitaan vähintään 150–300 potilasta per alaryhmä. Esitutkimuksen mukaan ensiapuosastolle tulee noin 20 rintakipupotilasta päivittäin. Mallin vakauden, ristiinvalidointin ja riittävän alaryhmäarvioinnin varmistamiseksi rekrytoidaan prospektiivisesti yhteensä 6 000 potilasta, täten parantaen tieteellistä tiukkuutta ja ulkoista validiteettia.

Ensisijainen lopputulos Erotus korkean ja ei-korkean riskin rintakipupotilaiden välillä, arvioitu AUC-ROC:n, herkkyyden ja spesifisyyden avulla.

Toissijaiset lopputulokset

  1. Diagnoosin ohitusprosentti (mallin väärin luokittelemien korkean riskin potilaiden osuus matalaan tai keskiriskiluokkaan).
  2. Keskimääräinen ensiapuosastolla vietetty aika ja lääkintäkustannukset malliohjautuvan triagen alaisuudessa.
  3. Sairaalakuolleisuus ja suurten haittaisten kardiovaskulaaristen tapahtumien (MACE) esiintyvyys.

Tilastolliset menetelmät

  1. Kategoriset muuttujat ilmaistaan frekvensseinä tai prosentteina; normaalisti tai likimain normaalisti jakautuneet jatkuvat muuttujat keskiarvona ± keskihajontana; ja vinot data mediaanina (P25, P75). Ryhmien välisiä vertailuja suoritetaan käyttäen riippumattomia otosten t-testejä, yksisuuntaista varianssianalyysiä (ANOVA), Mann-Whitney U -testejä tai Kruskal-Wallis -testejä jatkuville muuttujille, ja khiin neliö (χ²) -testejä tai Fisherin tarkkaa testiä kategorisille muuttujille.
  2. VOC-yhdisteiden piirteiden valinta suoritetaan käyttäen menetelmiä kuten least absolute shrinkage and selection operator (LASSO) -regressiota, minkä jälkeen rakennetaan VOC-pistemalli.
  3. Ennustetekijöitä arvioidaan käyttäen Coxin suhteellisten riskien malleja.
  4. Trajektorianalyysiä sovelletaan arvioimaan VOC-pitoisuuksien muutoksia ajan kuluessa.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

1. Tutkimustaustaa Tarkkailtavan lääketieteen käsitteen esittelyn jälkeen kliinisten diagnosointitekniikoiden innovointi ja optimointi ovat nousseet keskeiseksi kysymykseksi lääketieteellisessä tutkimuksessa. Perinteiset diagnosointimenetelmät – mukaan lukien kuvantaminen, hematologia ja histologia – perustuvat usein invasiivisiin toimenpiteisiin. Vaikka nämä tekniikat voivat tarjota erittäin tarkkaa diagnostista tietoa, ne liittyvät korkeisiin kustannuksiin, toiminnalliseen monimutkaisuuteen ja potilaille aiheutuvien haittojen mahdollisiin riskeihin, mikä tekee niistä vähemmän sopivia nopeaan seulontaan ja dynaamiseen seurantaan. Siksi ei-invasiivisten, nopeiden ja kustannustehokkaiden diagnosointitekniikoiden kehittäminen on tullut kiireelliseksi tarpeeksi modernissa lääketieteessä.

Yhtenä aineenvaihdunnallisesti aktiivisimmista elimistä keuhkot vaihtavat kehon kudosten tuottamia aineenvaihduntatuotteita verenkiertoon, jotka poistuvat uloshengitysilmasta. Siten uloshengitysilmassa voi heijastua kehon fysiologinen ja patologinen tila. Historiallisesti lääkärit tunnistivat tiettyjä sairauksia kehon hajun muutosten perusteella – esimerkiksi hedelmäinen "mädän omenan" haju diabeettisessa ketoasidoosissa tai kaltainen haju maksasairauksista kärsivillä potilailla. Tuolloin näiden hajujen taustalla olevaa kemiallista koostumusta ei tunnettu. Vuonna 1971 Pauling ja muut sovelsivat ensimmäisenä kaasukromatografiaa ihmisen uloshengitysilmassa olevien aineiden analysointiin, tunnistaen satoja haihtuvia orgaanisia yhdisteitä (VOC), mikä loi pohjan hengitysanalyysitekniikalle.

Äkillinen rintakipu on yksi yleisimmistä oireista hätäosastoilla, ja sen syyt ovat moninaisia ja ennusteet vaihtelevia. Useat hengenvaaralliset sydän- ja verisuonitapahtumat – kuten akuutti sepelvaltimotautioireyhtymä (ACS), akuutti keuhkoembolia (APE) ja akuutti aorttaoireyhtymä (AAS) – ilmaantuvat tyypillisesti äkillisenä rintakipuna ja vaativat nopeaa diagnoosia ja hoitoa hätätilanteessa. Kaikki rintakivutapaukset eivät kuitenkaan ole korkean riskin. Merkittävä osa potilaista (esimerkiksi kylkiluunneuralgiaa sairastavat) selviytyvät hyvin eivätkä tarvitse laajoja diagnostiikkatutkimuksia tai seurantaa. Siksi tarkka riskiluokittelu on ratkaisevan tärkeää: korkean riskin rintakivun nopea tunnistaminen ja hoito, samalla kun vältetään liiallinen hoito matalan riskin tapauksissa, on välttämätöntä julkisen terveyden turvaamiseksi ja terveydenhuollon kuormituksen vähentämiseksi.

Uloshengitysilmassa olevien VOC-yhdisteiden hengitysanalyysi on viime vuosina herättänyt yhä enemmän huomiota ainutlaatuisena biomarkkeripohjaisena työkaluna sairauksien varhaiseen diagnosointiin ja seulontaan. VOC-yhdisteet ovat erittäin haihtuvia orgaanisia molekyylejä, joita esiintyy paitsi ympäristössä myös ihmisen aineenvaihduntaprosessien tuottamina. Endogeenisina aineenvaihduntatuotteina VOC-yhdisteet heijastavat terveydentilaa ja sairauden etenemistä. Ei-invasiivisen havaitsemisen ja korkean herkkyyden vuoksi VOC-yhdisteet osoittavat suurta potentiaalia varhaisessa diagnosoinnissa, personoidussa hoidossa ja sairauksien seurannassa. Verrattuna perinteisiin biomarkkeritutkimuksiin hengitysanalyysi tarjoaa ainutlaatuisia etuja. Yhden molekyylin havaitsemisen sijaan VOC-analyysi voi tunnistaa molekyylikuviot, tarjoten kattavampaa ja tarkempaa diagnostista tietoa. Nykyinen näyttö on osoittanut vahvat yhteydet VOC-yhdisteiden ja useiden sairauksien – mukaan lukien syöpä, hengitystiesairaudet ja diabetes – välillä, korostaen niiden arvoa tarkkailtavassa lääketieteessä.

Tarkkailtu lääketiede korostaa yksilöllisiä hoitostrategioita, jotka räätälöidään potilaskohtaisiin biologisiin ominaisuuksiin. Tässä viitekehyksessä VOC-yhdisteet – fysiologisten ja patologisten tilojen biomarkkereina – voivat olla merkittävää kliinistä arvoa äkillisen rintakivun varhaisessa diagnosoinnissa, seulonnassa ja seurannassa. Äkillisen rintakivun hengitysanalyysitutkimukset ovat kuitenkin edelleen vähäisiä. Marzoog ja muut osoittivat, että VOC-yhdisteet voivat erottaa iskeemisen sydäntaudin potilaat kontrolliryhmästä koneoppimismalleja käyttäen, mikä viittaa hengitysanalyysin mahdolliseen soveltamiseen akuutissa kardiogeenisessa rintakivussa. Vuonna 2024 Kiinan rintakipukonsensus ehdotti uusien aineenvaihduntamarkkerien, kuten rasva-aldehydien, sisällyttämistä rintakipujen arviointijärjestelmiin. Standardoituja tutkimuksia uloshengitysilmassa olevista VOC-yhdisteistä on kuitenkin edelleen vähän.

Siksi tämän tutkimuksen tavoitteena on soveltaa uloshengitysilmassa olevien VOC-yhdisteiden havaitsemista korkean riskin äkillisen rintakivun potilaiden tunnistamiseen, perustaa VOC-profiilien tietokanta ja arvioida dynaamisten VOC-muutosten ennusteellista arvoa. Tämä tutkimus luonnehtii ensimmäisen kerran systemaattisesti korkean riskin äkillisen rintakivun VOC-profiilia, analysoi dynaamisia muutoksia ja rakentaa VOC-pohjaisen ennustavan pisteytysmallin potilaiden ennusteen arviointiin. Näiden ponnistelujen odotetaan tarjoavan uusia strategioita yksilölliselle hoidolle, sairauksien seurannalle ja hoidolle korkean riskin äkillisessä rintakivussa.

2. Tutkimustavoitteet

  1. Biomarkkerien tunnistaminen: Perusta VOC-profiili korkean riskin äkillisen rintakivun potilaille ja erota heidät muista rintakivun syistä.

    Aldehydien havaitseminen: Tutki uloshengitysilmassa olevien aldehydien havaitsemisen roolia korkean riskin rintakivussa; perusta ja validoi varhainen diagnostinen malli käyttäen VOC-yhdisteitä hätäosaston triaasin optimointiin.

  2. Ennusteen arviointi: Arvioi VOC-konsentraatioiden muutosten ennusteellista arvoa sairaalakuolleisuudelle ja merkittäville haittasydän- ja verisuonitapahtumille (MACE) korkean riskin rintakivun potilailla.
  3. Uudet indikaattorit: Tutki uusia diagnostisia markkeriyhdistelmiä, jotka ovat parempia kuin perinteiset biomarkkerit.

3. Tutkimusmenetelmät Tutkimussuunnittelu Tämä tutkimus on suunniteltu prospektiiviseksi kohorttitutkimukseksi. 3.1 Tutkimuspaikat ja osallistujat Tutkimus suoritetaan Shandong-yliopiston Qilu-sairaalan hätäosastolla (ED), hätäteho-osastolla (EICU) ja teho-osastolla (ICU). Kelpoiset osallistujat sisältävät kaikki hätäosastolle äkillisen rintakivun kanssa saapuvat potilaat.

3.2 Tutkimustulokset

  1. Ensisijainen lopputulos: Erotus korkean riskin ja matalan/keskitasoisen riskin rintakivun välillä, arvioitu vastaanottajan toimintaominaisuuskäyrän (ROC) alle jäävällä pinta-alalla (AUC-ROC), herkkyydellä ja spesifisyydellä.
  2. Toissijaiset lopputulokset:

    1. Läpimenevän diagnoosin määrä (osuus korkean riskin potilaista, jotka mallin mukaan luokitellaan väärin matalan/keskitasoisen riskin potilaiksi).
    2. Hätäosastolla vietetty aika ja terveydenhuollon kustannukset malliohjautuvan triaasin alla.
    3. Sairaalakuolleisuus ja MACE:n ilmaantuvuus. 3.3 Tilastollinen analyysi Tietojen tarkkuuden varmistamiseksi perustetaan Excel-tietokanta kaksoissyöttövarmistuksella. Tiedot analysoidaan käyttäen R-ohjelmistoa (versio 4.3.2), kaksisuuntaisella merkitsevyystasolla α = 0,05 (P < 0,05 pidetään tilastollisesti merkitsevänä).

      1. Kuvaileva analyysi: Perusominaisuudet ja VOC-konsentraatiot tiivistetään. Kategoriset muuttujat ilmaistaan frekvensseinä tai prosentteina. Jatkuvat muuttujat normaalijakauman tai likimääräisen normaalijakauman kanssa esitetään keskiarvona ± keskihajontana (SD). Vinoja tietoja raportoidaan mediaanina (P25, P75). Ryhmien välisiä vertailuja käytetään riippumattomien otosten t-testejä, yksisuuntaista varianssianalyysiä (ANOVA), Mann-Whitneyn U-testiä tai Kruskal-Wallisin testiä tarpeen mukaan. Kategorisia muuttujia analysoidaan käyttäen khiin neliö (χ²) testiä tai Fisherin tarkkaa testiä.
      2. Ominaisuuksien valinta: Ominaisuudet VOC-yhdisteet seulotaan, ja VOC-pisteytysmalli kehitetään käyttäen koneoppimismenetelmiä.
      3. Ennusteen analyysi: Ennustetekijöitä arvioidaan käyttäen Coxin suhteellisten riskien regressiota.
      4. Trajektorianalyysi: VOC-konsentraatioiden dynamiikka mallinnetaan aikamuotojen tutkimiseksi.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

6000

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Tässä tutkimuksessa Shandong-yliopiston Qilu-sairaalan ensiapuosasto, EICU ja ICU valittiin tutkimuspaikoiksi. Tutkimuksen kohteena olivat kaikki potilaat, joilla oli rintakipua ja jotka otettiin sairaalamme ensiapuosastolle akuutin rintakivun vuoksi.

Kuvaus

Ottamiskriteerit:

  • Ikä 18–80 vuotta, sukupuolesta riippumatta
  • Saatavilla päivystysosastolla akuutin rintakivun vuoksi
  • Kykenevä antamaan tietoon perustuvan suostumuksen

Poissulkemiskriteerit:

  • Kykenemätön hengitysnäytteen antamiseen
  • Epätäydelliset lääketieteelliset tiedot
  • Potilaan tai laillisen edustajan kieltäytyminen osallistumisesta
  • Jonkin seuraavan tilan esiintyminen: Viimeaikainen keuhkotulehdus, primaari maksa- tai munuaistoimintahäiriö, krooniset hengitys- tai ruoansulatuskanavan sairaudet, terminaalitauti tai palliatiivisen hoidon saaminen
  • Osallistuminen toiseen kliiniseen tutkimukseen viimeisen 30 päivän aikana

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnostinen erottelukyky
Aikaikkuna: Indeksihoitokäynnin yhteydessä ensiapuosastolla (VOC-näytteenotto suoritettu 24 tunnin kuluessa ensiapuosastolle saapumisesta).

Uloshengitettyjen haihtuvien orgaanisten yhdisteiden (VOC) perustuvan mallin kyky erottaa korkean riskin rintakipupotilaat matalan tai keskiriskin potilailta.

Mittayksikkö: Vastaanottajan toimintaluokan käyrän (AUC-ROC) alla oleva pinta-ala, herkkyys (%), spesifisyys (%).

Indeksihoitokäynnin yhteydessä ensiapuosastolla (VOC-näytteenotto suoritettu 24 tunnin kuluessa ensiapuosastolle saapumisesta).

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Diagnoosin laiminlyöntiaste
Aikaikkuna: Hätäosastoon pääsyn yhteydestä 24 tuntiin ensiapuarvioinnin jälkeen

VOC-pohjaisen mallin väärin luokittelemien korkean riskin rintakipupotilaiden osuus matalan tai keskitason riskiksi.

Mittayksikkö: Prosenttia (%).

Hätäosastoon pääsyn yhteydestä 24 tuntiin ensiapuarvioinnin jälkeen
Hätäosastolla vietetty aika
Aikaikkuna: Ensihoitopalveluun saapumisesta ensihoitopalvelusta kotiutumiseen tai siirtoon sairaalahoitoon, enintään 48 tuntia.
Pysymisen kesto ensiapuosastolla. Mittayksikkö: Tunnit (h).
Ensihoitopalveluun saapumisesta ensihoitopalvelusta kotiutumiseen tai siirtoon sairaalahoitoon, enintään 48 tuntia.
Ensiapuosaston lääketieteelliset kustannukset
Aikaikkuna: Hätäosaston sisäänotosta hätäosaston kotiuttamiseen tai siirtämiseen sairaalaosastolle, enintään 48 tuntia.
Hätäosastolla käynnin aikana aiheutuneet suorat lääketieteelliset kustannukset. Mittayksikkö: Kiinan yuan (CNY).
Hätäosaston sisäänotosta hätäosaston kotiuttamiseen tai siirtämiseen sairaalaosastolle, enintään 48 tuntia.
Sairaalakuolleisuus
Aikaikkuna: Sairaalahoitoon otosta sairaalasta kotiutumiseen, arvioituna enintään 30 päivän ajan
Kaikkisyykuolleisuus sairaalahoidon aikana korkean riskin rintakipupotilailla. Mittayksikkö: Kuolleisuusprosentti (%).
Sairaalahoitoon otosta sairaalasta kotiutumiseen, arvioituna enintään 30 päivän ajan
Päähaittaisiin sydän- ja verisuonitapahtumiin (MACE) liittyvä esiintyvyys
Aikaikkuna: Sairaalahoitoon pääsystä aina 30. päivään sairaalahoitoon pääsyn jälkeen

Ennalta määritettyjen MACE-tapahtumien (sydäninfarkti, aivohalvaus, sydämen pysähtyminen tai kiireellinen revaskularisaatio) esiintyminen.

Mittayksikkö: Kumulatiivinen esiintyvyys (%).

Sairaalahoitoon pääsystä aina 30. päivään sairaalahoitoon pääsyn jälkeen

Muut tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Muutos VOC-pitoisuudessa ajan kuluessa
Aikaikkuna: Sairaalahoitoon pääsystä (perusnäytteenotto hätäosastolle saapumisesta 2 tunnin sisällä) sairaalasta kotiuttamiseen saakka, toistuvilla näytteenotoilla sairaalahoidon aikana, enintään 48 tuntiin.

Temporal change in exhaled VOC concentrations measured at predefined time points during hospitalization.

Unit of Measure: VOC concentration (parts per billion, ppb).

Sairaalahoitoon pääsystä (perusnäytteenotto hätäosastolle saapumisesta 2 tunnin sisällä) sairaalasta kotiuttamiseen saakka, toistuvilla näytteenotoilla sairaalahoidon aikana, enintään 48 tuntiin.
VOC-pohjaisen ennustemallin erottelukyky sairaalakuolleisuuden ja MACE:n suhteen
Aikaikkuna: Sairaalahoitoon pääsystä aina 30. päivään sairaalahoidon jälkeistä seurantaa (sairaalassa tapahtuvan seurannan päättymiseen).

VOC-pohjaisen ennustemallin erottelukyky sairaalakuolleisuuden ja vakavien kardiovaskulaaritapahtumien (MACE) ennustamisessa verrattuna seurannan aikana havaittuihin lopputulemiin.

Mittayksikkö: Vastaanottajan toimintakäyrän (ROC) alla oleva pinta-ala (AUC-ROC, mittayksikköön liittymätön).

Sairaalahoitoon pääsystä aina 30. päivään sairaalahoidon jälkeistä seurantaa (sairaalassa tapahtuvan seurannan päättymiseen).

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

  • Phillips M. Breath tests in medicine. Scientific American. 1992;267(1):74-79. doi:10.1038/scientificamerican0792-74. 呼气挥发性有机物急诊快速检测在鉴别高危胸痛患者中的应用 Pauling L, Robinson AB, Teranishi R, et al. Quantitative analysis of urine vapor and breath by gas-liquid partition chromatography. Proc Natl Acad Sci U S A. 1971;68(10):2374-2376. doi:10.1073/pnas.68.10.2374. 何雅珍, 高汭, 吴智君, 等. 呼出气挥发性有机物的采集及分析方法研究进展. 环境与职业医学. 2024;41(6):707-712. doi:10.11836/JEOM24036. Hanna GB, Boshier PR, Markar SR, et al. Accuracy and methodological challenges of volatile organic compound-based exhaled breath tests for cancer diagnosis: A systematic review and meta-analysis. JAMA Oncology. 2019;5(1):e182815. doi:10.1001/jamaoncol.2018.2815. 陶雨寒, 毛辉. 呼出气挥发性有机物在呼吸系统非感染性疾病中的应用. 中国呼吸与危重监护杂志. 2024;23(8):599-604. doi:10.7507/1671-6205.202304046. 吴昊坪, 李磊, 曾睿, 等. 糖尿病呼出气体检测与分析研究进展. 化学进展. 2024;36(4):601-611. doi:10.7536/PC231110. Marzoog BA, Chomakhidze P, Gognieva D, et al. Machine learning model discriminate ischemic heart disease using breathome analysis. Biomedicines. 2024;12(12):2814. doi:10.3390/biomedicines12122814. PMID:39767720. 中国医疗保健国际交流促进会胸痛学分会, 中国医师协会胸痛专业委员会. 急性非创伤性胸痛生物标志物联合检测专家共识(2024版). 中华急诊医学杂志. 2024;33(12):1681-1696. doi:10.3760/cma.j.issn.1671-0282.2024.12.005.
  • Ibrahim W, Carr L, Cordell R, et al. Visualization of exhaled breath metabolites reveals distinct signatures of acute disease. Sci Transl Med. 2022;14(641):eabl5849. doi:10.1126/scitranslmed.abl5849.
  • Ibrahim W, Carr L, Cordell R, et al. Assessment of breath volatile organic compounds in acute cardiorespiratory disease. Clin Transl Med. 2019;8(1):33. doi:10.1186/s40169-019-0244-8.
  • Fens N, Douma RA, Sterk PJ, Kamphuisen PW. Breathomics as a diagnostic tool for pulmonary embolism. J Thromb Haemost. 2010 Dec;8(12):2831-3. doi: 10.1111/j.1538-7836.2010.04064.x. No abstract available.
  • Nardi Agmon I, Broza YY, Alaa G, Eisen A, Hamdan A, Kornowski R, Haick H. Detecting Coronary Artery Disease Using Exhaled Breath Analysis. Cardiology. 2022;147(4):389-397. doi: 10.1159/000525688. Epub 2022 Jul 12.

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Arvioitu)

Sunnuntai 1. maaliskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Perjantai 31. joulukuuta 2027

Opintojen valmistuminen (Arvioitu)

Perjantai 31. joulukuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 7. syyskuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 23. tammikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Perjantai 30. tammikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 30. tammikuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Perjantai 23. tammikuuta 2026

Viimeksi vahvistettu

Keskiviikko 1. lokakuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .

Tilaa