محققان در هند و استرالیا یک روش غربالگری سریع برای پیش بینی شدت COVID-19 ایجاد کرده اند



محققان موسسه فناوری هند در بمبئی هند و موسسه QIMR Berghofer برای تحقیقات پزشکی در استرالیا روشی سریع را برای تعیین اینکه آیا بیمار مبتلا به COVID-19 به احتمال زیاد علائم شدید دارد ، توسعه داده اند.

درباره ی چیست

الگوریتم طبقه بندی ایجاد شده بر اساس طیف پلاسمای مادون قرمز خون است که با استفاده از طیف سنج Agilent Cary 630 FTIR از شرکت بیوتکنولوژی Agilent Technologies مستقر در کالیفرنیا بدست آمده است.

در مطالعه آنها ، که یافته ها در مجله Analytical Chemistry منتشر شد ، محققان طیف مادون قرمز پلاسمای خون را از 160 بیمار مبتلا به بمبئی 130 مبتلا به کووید مثبت جمع آوری کردند تا به عنوان مجموعه ای آموزشی برای توسعه مدل آماری چند متغیره و 30 نمونه دیگر به عنوان یک مجموعه آزمون کور برای مدل مورد استفاده قرار گیرد. به اعتبار سنجی.

طیف سنج چابک تفاوت های “جزئی اما قابل مشاهده” را در نمونه های طیف پلاسمای خون بین بیماران شدید و غیر شدید COVID-19 نشان داد.

میشل هیل ، سرپرست تیم تحقیقاتی Precision and Systems Biomedicine در Berimoger می گوید: “به طور خاص ، تفاوت هایی در دو منطقه مادون قرمز که مربوط به گروه های شیمیایی قند و فسفات ها و آمین های اولیه است که در انواع خاصی از پروتئین ها وجود دارد ، وجود داشت.” س

به گفته سانجیوا سریواستاوا ، پروفسور انستیتوی فناوری هند در بمبئی ، این مطالعه همچنین نشان داد که دیابت “پیش بینی کننده اصلی” COVID-19 شدید است.

پس از آن ، الگوریتم با پارامترهای بالینی دیگر مانند سن ، جنس ، دیابت و فشار خون تغذیه شد و سپس بر روی 30 نمونه برای کنترل نابینایان آزمایش شد. بعداً مشخص شد که وی 69.2 specific ویژگی و 94.1 sensitivity حساسیت در پیش بینی اینکه کدام یک از بیماران مبتلا به COVID-19 به بیماری جدی مبتلا می شود ، داشته است.

با این حال ، پروفسور سریواستاوا خاطرنشان کرد که این امر منجر به نتایج کاذب بیشتری نسبت به پیش بینی ها شد. وی گفت: “ما امیدواریم که با آزمایش بیشتر ، بتوانیم این موارد مثبت کاذب را کاهش دهیم.”

چرا معنی دارد

سیستم های مراقبت های بهداشتی در سراسر جهان مملو از شیوع مداوم COVID-19 است که منجر به کمبود منابع بیمارستانی مانند تخت و ماسک تنفسی می شود.

این سازمان بهداشت جهانی بر شناسایی و آزمایش زودهنگام بیماران بر اساس شدت برای کمک به آزادسازی منابع تاکید کرده است.

Agilent در بیانیه ای گفت که آخرین تحقیقات می تواند به طور بالقوه از موسسات مراقبت های بهداشتی که در مورد منابع بیمارستان تصمیمات اساسی می گیرند پشتیبانی کند.

بزرگترین قطار

اخیراً ابزاری برای هوش مصنوعی ساخته شده است که می تواند احتمال زنده ماندن بیمار مبتلا به کووید -19 در بیمارستان را تشخیص دهد. مبتنی بر وب محاسبه کننده خطرات COVID توسط توسعه دهنده سیستم های هوش مصنوعی مستقر در هنگ کنگ ، Deep Longevity برای بیمار نمره خطر COVID-19 ، منحنی زمان انتظار برای مرگ و شانس زنده ماندن را در اختیار بیمار قرار می دهد. این شرکت خاطرنشان کرد که ریسک پذیری برای بیماران بستری همچنان یک ضرورت ضروری است ، هرچند که بیمارستان های سراسر جهان همچنان مملو از موارد جدید COVID-19 هستند.

در حال ثبت نام

“ما از این مطالعه بسیار هیجان زده هستیم و با خوشحالی از محققان در مبارزه با COVID-19 با نصب طیف سنج Cary 630 FTIR برای این مطالعه حمایت کرده ایم. کار آنها پتانسیل طیف سنجی ATR-FTIR را برای COVID-19 و بیماری های عفونی برجسته می کند. اندرو هند ، AVP تحقیق و توسعه تحت بخش طیف سنجی مولکولی در Agilent ، گفت: “و ما به حمایت از تحقیقات در این زمینه ادامه می دهیم.”

دیدگاهتان را بنویسید