Köszönjük, hogy felkereste a Nature.com weboldalt. Az Ön által használt böngészőverzió korlátozott CSS-támogatással rendelkezik. A legjobb élmény érdekében javasoljuk, hogy egy frissített böngészőt használjon (vagy tiltsa le a kompatibilitási módot az Internet Explorerben). Időközben a folyamatos támogatás biztosítása érdekében stílusok és JavaScript nélkül jelenítjük meg az oldalt.
Az elmúlt két évtizedben megnőtt az érdeklődés az illékony szerves vegyületek (VOC) elemzése iránt a kilélegzett levegőben. Továbbra is bizonytalanságok vannak a mintavétel normalizálásával és azzal kapcsolatban, hogy a beltéri levegő illékony szerves vegyületei befolyásolják-e a kilélegzett levegő illékony szerves vegyület görbéjét. A beltéri levegő illékony szerves vegyületeinek vizsgálata a kórházi környezetben található rutinszerű kilégzési mintavételi helyeken, és annak meghatározása, hogy ez befolyásolja-e a kilégzett levegő összetételét. A második cél a beltéri levegő illékony szerves vegyület tartalmának napi ingadozásának vizsgálata volt. A beltéri levegőt öt helyszínen gyűjtötték reggel és délután mintavevő szivattyú és termikus deszorpciós (TD) cső segítségével. A kilégzési mintákat csak reggel gyűjtötték. A TD csöveket gázkromatográfiával és repülési idő tömegspektrometriával (GC-TOF-MS) elemezték. Összesen 113 VOC-t azonosítottak a gyűjtött mintákban. A többváltozós elemzés egyértelmű elkülönülést mutatott a belélegzett és a szobai levegő között. A beltéri levegő összetétele a nap folyamán változik, és a különböző helyszíneken specifikus VOC-k vannak, amelyek nem befolyásolják a légzési profilt. A lélegzetek nem mutattak elkülönülést a helyszín alapján, ami arra utal, hogy a mintavétel különböző helyeken elvégezhető az eredmények befolyásolása nélkül.
Az illékony szerves vegyületek (VOC-k) szén alapú vegyületek, amelyek szobahőmérsékleten gáz halmazállapotúak, és számos endogén és exogén folyamat végtermékei1. A kutatók évtizedek óta érdeklődnek a VOC-k iránt, mivel potenciálisan szerepet játszhatnak az emberi betegségek non-invazív biomarkereiként. A kilégzési minták gyűjtésének és elemzésének szabványosításával kapcsolatban azonban továbbra is bizonytalanság van.
A kilégzéselemzés szabványosításának egyik kulcsfontosságú területe a beltéri környezeti levegőben található háttér-illékony szerves vegyületek (VOC) lehetséges hatása. Korábbi tanulmányok kimutatták, hogy a beltéri környezeti levegőben található VOC-k háttérszintje befolyásolja a kilélegzett levegőben található VOC-k szintjét3. Boshier és munkatársai 2010-ben szelektív ionáramlásos tömegspektrometriát (SIFT-MS) alkalmaztak hét illékony szerves vegyület szintjének vizsgálatára három klinikai környezetben. A három régióban a környezetben eltérő illékony szerves vegyületek szintjét azonosították, ami viszont iránymutatást adott a beltéri levegőben elterjedt illékony szerves vegyületek betegség biomarkerként való felhasználásának képességéhez. 2013-ban Trefz és munkatársai a műtő környezeti levegőjét és a kórházi személyzet légzési mintáit is monitorozták a munkanap során. Azt találták, hogy az exogén vegyületek, például a szevoflurán szintje mind a szobai, mind a kilélegzett levegőben 5-szörösére nőtt a munkanap végére, ami kérdést vet fel azzal kapcsolatban, hogy mikor és hol kell a betegektől mintát venni a kilégzéselemzéshez, hogy minimalizálják az ilyen zavaró tényezők problémáját. Ez összefügg Castellanos és munkatársai tanulmányával. 2016-ban szevofluránt találtak a kórházi személyzet leheletében, de a kórházon kívüli személyzet leheletében nem. 2018-ban Markar és munkatársai a beltéri levegő összetételének változásainak a leheletelemzésre gyakorolt hatását kívánták bemutatni a nyelőcsőrák diagnosztikai képességét vizsgáló tanulmányuk részeként7. Acél ellentüdő és SIFT-MS segítségével a mintavétel során nyolc illékony szerves vegyületet azonosítottak a beltéri levegőben, amelyek a mintavételi helyszíntől függően jelentősen eltértek. Ezeket a VOC-kat azonban nem vették figyelembe az utolsó lélegzetvételű VOC diagnosztikai modelljükben, így hatásukat semlegesítették. 2021-ben Salman és munkatársai egy tanulmányt végeztek, amelyben 27 hónapon keresztül monitorozták a VOC-szinteket három kórházban. 17 VOC-t azonosítottak szezonális diszkriminátorként, és azt javasolták, hogy a 3 µg/m3 kritikus szint feletti kilélegzett VOC-koncentrációkat valószínűtlennek tekintik a háttér VOC-szennyezés másodlagos következményeként8.
A küszöbértékek meghatározása vagy az exogén vegyületek teljes kizárása mellett a háttérváltozás kiküszöbölésének alternatívái közé tartozik a párosított helyiséglevegő-minták gyűjtése a kilélegzett levegő mintavételével egyidejűleg, így a belélegezhető helyiségben magas koncentrációban jelen lévő VOC-k szintje meghatározható. A kilélegzett levegőből kivonják a 9-es levegőt a szintből, hogy „alveoláris gradienst” kapjanak. Ezért a pozitív gradiens az endogén 10-es vegyület jelenlétét jelzi. Egy másik módszer az, hogy a résztvevők „tisztított” levegőt lélegeznek be, amely elméletileg mentes a VOC11 szennyező anyagoktól. Ez azonban nehézkes, időigényes, és maga a berendezés további VOC-szennyező anyagokat termel. Maurer és munkatársai tanulmánya szerint 2014-ben a szintetikus levegőt belélegező résztvevők 39 VOC-val csökkentették, de 29 VOC-val növelték a beltéri környezeti levegő belélegzéséhez képest12. A szintetikus/tisztított levegő használata a légzésmintavételi berendezések hordozhatóságát is súlyosan korlátozza.
A környezeti VOC-szintek várhatóan a nap folyamán is változnak, ami tovább befolyásolhatja a kilégzési mintavétel szabványosítását és pontosságát.
A tömegspektrometria fejlődése, beleértve a gázkromatográfiával párosított termikus deszorpciót és a repülési idő tömegspektrometriát (GC-TOF-MS), egy robusztusabb és megbízhatóbb módszert biztosított a VOC-elemzéshez, amely képes több száz VOC egyidejű kimutatására, így lehetővé teszi a helyiség levegőjének mélyebb elemzését. Ez lehetővé teszi a helyiség levegőjének összetételének részletesebb jellemzését, valamint azt, hogy a nagy minták hogyan változnak a hely és az idő függvényében.
A tanulmány fő célja az volt, hogy meghatározza az illékony szerves vegyületek változó szintjét a beltéri környezeti levegőben a kórházi környezetben található gyakori mintavételi helyeken, és hogy ez hogyan befolyásolja a kilélegzett levegő mintavételét. Másodlagos cél annak meghatározása volt, hogy vannak-e jelentős napi vagy földrajzi eltérések a VOC-k eloszlásában a beltéri környezeti levegőben.
A kilégzési mintákat, valamint a hozzájuk tartozó beltéri levegő mintákat reggelente gyűjtötték öt különböző helyszínről, és GC-TOF-MS-sel elemezték. Összesen 113 VOC-t detektáltak és vontak ki a kromatogramból. Az ismételt méréseket konvolucionálták az átlaggal, mielőtt a kivont és normalizált csúcsterületekből főkomponens-analízist (PCA) végeztek a kiugró értékek azonosítása és eltávolítása érdekében. A parciális legkisebb négyzetek módszerével végzett felügyelt diszkrimináns analízis (PLS-DA) ezután egyértelmű különbséget mutatott a kilélegzett és a helyiséglevegő-minták között (R2Y = 0,97, Q2Y = 0,96, p < 0,001) (1. ábra). A parciális legkisebb négyzetek módszerével végzett felügyelt diszkrimináns analízis (PLS-DA) ezután egyértelmű különbséget mutatott a kilélegzett és a helyiséglevegő-minták között (R2Y = 0,97, Q2Y = 0,96, p < 0,001) (1. ábra). Затем контролируемый анализ с помощью частичного дискриминантного анализа методом наименьших квадратом (PLскаS-DAпо) четкое разделение между образцами дыхания и комнатного воздуха (R2Y = 0,97, Q2Y = 0,96, p <0,001) (1. példa). Ezután a parciális legkisebb négyzetek diszkrimináns analízisével (PLS-DA) végzett kontrollált elemzés egyértelmű különbséget mutatott a kilélegzett és a helyiséglevegő-minták között (R2Y=0,97, Q2Y=0,96, p<0,001) (1. ábra).通过偏最小二乘法进行监督分析——判别分析(PLS-DA)然后能够显示呼吸和室内空气样本之间的明显分离（R2Y = 0,97㼌Q2Y = 0,96,，p 106.，p通过 偏 最 小 二乘法 进行 监督 分析 分析 判别 判别 分析 分析 (PLS-DA) 昶庐 昤 辐呼吸 室内 空气 样本 的 明显 () (1)。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 Контролируемый анализ с помощью частичного дискриминантного анализа методом наименьших квадратов (PLS-DA) четкое разделение между образцами дыхания и воздуха в помещении (R2Y = 0,97, Q2Y = 0,96, p < 0,001) (рис. A részleges legkisebb négyzetek módszerével végzett diszkrimináns analízissel (PLS-DA) végzett kontrollált elemzés ezután egyértelmű különbséget mutatott a kilélegzett és a beltéri levegő mintái között (R2Y = 0,97, Q2Y = 0,96, p < 0,001) (1. ábra). A csoportok szétválasztását 62 különböző VOC hajtotta, változó fontosságú vetítési (VIP) pontszámmal > 1. Az egyes mintavételi típusokat jellemző VOC-ok teljes listája és a hozzájuk tartozó VIP-pontszámok az 1. kiegészítő táblázatban találhatók. A csoportok szétválasztását 62 különböző VOC hajtotta, változó fontosságú vetítési (VIP) pontszámmal > 1. Az egyes mintavételi típusokat jellemző VOC-ok teljes listája és a hozzájuk tartozó VIP-pontszámok az 1. kiegészítő táblázatban találhatók. Разделение на группы было обусловлено 62 различными VOC с оценкой проекции переменной важности, VIP) > 1. Посопиный характеризующих каждый тип образца, и их соответствующие оценки VIP можно найти в дополнительной в дополнительной 1. A csoportosítást 62 különböző, 1-nél nagyobb változó fontosságú vetítési (VIP) pontszámmal rendelkező VOC alapján végeztük. Az egyes mintatípusokat jellemző VOC-ok teljes listája és a hozzájuk tartozó VIP-pontszámok az 1. kiegészítő táblázatban találhatók.组分离由62 种不同的VOC 驱动，变量重要性投影(VIP) 分数> 1。组分离由62 种不同的VOC 驱动，变量重要性投影(VIP) 分数> 1。 Разделение групп было обусловлено 62 различными ЛОС с оценкой проекции переменной важности (VIP) > 1. A csoportok szétválasztását 62 különböző, 1-nél nagyobb változó fontosságú vetítési pontszámmal (VIP) jellemezte.Az egyes mintavételi típusokat jellemző VOC-k teljes listája és a hozzájuk tartozó VIP-pontszámok az 1. kiegészítő táblázatban találhatók.
A légzési és a beltéri levegő az illékony szerves vegyületek eltérő eloszlását mutatja. A PLS-DA-val végzett felügyelt elemzés egyértelmű különbséget mutatott a reggel folyamán gyűjtött kilélegzett és szobai levegő VOC-profiljai között (R2Y = 0,97, Q2Y = 0,96, p < 0,001). A PLS-DA-val végzett felügyelt elemzés egyértelmű különbséget mutatott a reggel folyamán gyűjtött kilélegzett és szobai levegő VOC-profiljai között (R2Y = 0,97, Q2Y = 0,96, p < 0,001). Контролируемый анализ с помощью PLS-DA показал четкое разделение между профилями летучих органичетухвких органиче выдыхаемом воздухе и воздухе в помещении, собранными утром (R2Y = 0,97, Q2Y = 0,96, p <0,001). A PLS-DA kontrollált analízis egyértelmű különbséget mutatott a reggel gyűjtött kilélegzett és beltéri levegő illékony szerves vegyület profiljai között (R2Y=0,97, Q2Y=0,96, p<0,001).使用PLS-DA 进行的监督分析显示，早上收集的呼吸和室内空气VOC 曲线明显分督分析显示，早上收集的呼吸和室内空气VOC 曲线明显分2R. = 0,96，p < 0,001）.PLS-DA Контролируемый анализ с использованием PLS-DA показал четкое разделение профилей ЛОС дыхания и воздупома, воздуха, собранных утром (R2Y = 0,97, Q2Y = 0,96, p < 0,001). A PLS-DA-val végzett kontrollált elemzés a reggel gyűjtött kilélegzett és beltéri levegő VOC-profiljai között egyértelmű elkülönülést mutatott (R2Y=0,97, Q2Y=0,96, p<0,001).A modell felépítése előtt az ismételt méréseket az átlagra redukálták. Az ellipszisek a csillaggal jelölt csoport 95%-os konfidenciaintervallumait és centroidjait mutatják.
A beltéri levegő illékony szerves vegyületeinek reggeli és délutáni eloszlásában mutatkozó különbségeket PLS-DA segítségével vizsgálták. A modell szignifikáns eltérést azonosított a két időpont között (R2Y = 0,46, Q2Y = 0,22, p < 0,001) (2. ábra). A modell szignifikáns eltérést azonosított a két időpont között (R2Y = 0,46, Q2Y = 0,22, p < 0,001) (2. ábra). Модель выявила значительное разделение между двумя временными точками (R2Y = 0,46, Q2Y = 0,22, p <0,001) (рис.). A modell szignifikáns különbséget mutatott a két időpont között (R2Y = 0,46, Q2Y = 0,22, p < 0,001) (2. ábra).该模型确定了两个时间点之间的显着分离（R2Y = 0,46，Q2Y = 0,22，p < 0,001） 2（该模型确定了两个时间点之间的显着分离（R2Y = 0,46，Q2Y = 0,22，p < 0,001） 2（ Модель выявила значительное разделение между двумя временными точками (R2Y = 0,46, Q2Y = 0,22, p <0,001) (рис.). A modell szignifikáns különbséget mutatott a két időpont között (R2Y = 0,46, Q2Y = 0,22, p < 0,001) (2. ábra). Ezt 47, 1-nél nagyobb VIP-pontszámmal rendelkező VOC okozta. A reggeli mintákat jellemző legmagasabb VIP-pontszámmal rendelkező VOC-k között többszörös elágazó alkánok, oxálsav és hexakozán szerepelt, míg a délutáni mintákban több 1-propanol, fenol, propánsav, 2-metil-, 2-etil-3-hidroxihexil-észter, izoprén és nonanal volt jelen. Ezt 47, 1-nél nagyobb VIP-pontszámmal rendelkező VOC okozta. A reggeli mintákat jellemző legmagasabb VIP-pontszámmal rendelkező VOC-k között többszörös elágazó alkánok, oxálsav és hexakozán szerepelt, míg a délutáni mintákban több 1-propanol, fenol, propánsav, 2-metil-, 2-etil-3-hidroxihexil-észter, izoprén és nonanal volt jelen. Это было обусловлено наличием 47 летучих органических соединений с оценкой VIP > 1. ЛОС с самой воцесой наличием характеризующей утренние образцы, включали несколько разветвленных алканов, щавелевую кислоту и дневные образцы содержали больше 1-пропанола, фенола, пропановой кислоты, 2-метил- , 2-этил-3-гислоки, этил-3-гислоты изопрен и нонаналь. Ez 47 illékony szerves vegyület jelenlétének volt köszönhető, amelyek VIP-pontszáma > 1. A reggeli mintákban a legmagasabb VIP-pontszámmal rendelkező VOC-k között számos elágazó láncú alkán, oxálsav és hexakozán volt, míg a nappali minták több 1-propanolt, fenolt, propánsavat, 2-metil-, 2-etil-3-hidroxihexil-étert, izoprént és nonanált tartalmaztak.这是由47 种VIP 评分> 1 的VOC 驱动的.这是由47 种VIP 评分> 1 的VOC 驱动的. Этому способствуют 47 VOC с оценкой VIP > 1. Ezt 47, 1-nél nagyobb VIP-pontszámmal rendelkező VOC segíti elő.A reggeli mintában a legmagasabb VIP-besorolású VOC-k között különféle elágazó láncú alkánok, oxálsav és hexadekán szerepelt, míg a délutáni minta több 1-propanolt, fenolt, propionsavat, 2-metil-2-etil-3-hidroxihexil-észtert, izoprént és nonanált tartalmazott.Az illékony szerves vegyületek (VOC-k) teljes listája, amelyek a beltéri levegő összetételének napi változásait jellemzik, a 2. kiegészítő táblázatban található.
A beltéri levegőben lévő VOC-k eloszlása a nap folyamán változik. A PLS-DA-val végzett felügyelt elemzés a reggel és a délután folyamán gyűjtött helyiséglevegő-minták közötti különbséget mutatta ki (R2Y = 0,46, Q2Y = 0,22, p < 0,001). A PLS-DA-val végzett felügyelt elemzés a reggel és a délután folyamán gyűjtött helyiséglevegő-minták közötti különbséget mutatta ki (R2Y = 0,46, Q2Y = 0,22, p < 0,001). Контролируемый анализ с помощью PLS-DA показал разделение между пробами воздуха в помещении, собранром =Rуднром (Rуднром) 0,46, Q2Y = 0,22, p < 0,001). A PLS-DA-val végzett kontrollált elemzés kimutatta a reggel és délután gyűjtött beltéri levegőminták közötti különbséget (R2Y = 0,46, Q2Y = 0,22, p < 0,001).使用PLS-DA 进行的监督分析显示，早上或下午收集的室内空氼样本之间存在) 0,46，Q2Y = 0,22，p < 0,001）.PLS-DA Анализ эпиднадзора с использованием PLS-DA показал разделение проб воздуха внутри помещений, собранных утром2, собранных утром Q2Y = 0,22, p < 0,001). A PLS-DA segítségével végzett surveillance elemzés a reggel és délután gyűjtött beltéri levegőminták szétválását mutatta ki (R2Y = 0,46, Q2Y = 0,22, p < 0,001).Az ellipszisek a csillaggal jelölt csoport 95%-os konfidenciaintervallumait és centroidjait mutatják.
A mintákat a londoni St Mary's Kórház öt különböző helyszínéről gyűjtöttük: egy endoszkópos szobából, egy klinikai kutatószobából, egy műtőkomplexumból, egy járóbeteg-rendelőből és egy tömegspektrometriás laboratóriumból. Kutatócsoportunk rendszeresen használja ezeket a helyszíneket a betegek toborzására és a kilégzett levegő mintáinak gyűjtésére. A korábbiakhoz hasonlóan reggel és délután beltéri levegőből vettünk mintákat, a kilélegzett levegőből pedig csak reggel. A PCA a helyiséglevegő-minták helyszín szerinti szétválasztását emelte ki permutációs többváltozós varianciaanalízis segítségével (PERMANOVA, R2 = 0,16, p < 0,001) (3a. ábra). A PCA a helyiséglevegő-minták helyszín szerinti szétválasztását emelte ki permutációs többváltozós varianciaanalízis segítségével (PERMANOVA, R2 = 0,16, p < 0,001) (3a. ábra). PCA выявил разделение проб комнатного воздуха по местоположению с помощью перестановочного многомернперсиосноперсиоснопго (PERMANOVA, R2 = 0,16, p <0,001) (рис. 3а). A PCA permutációs többváltozós varianciaanalízissel (PERMANOVA, R2 = 0,16, p < 0,001) kimutatta a helyiséglevegő-minták elhelyezkedés szerinti elkülönítését (3a. ábra). PCA 通过置换多变量方差分析（PERMANOVA，R2 = 0,16，p < 0,001）强调了房间空气样本的位置分离（图3a）.PCA PCA подчеркнул локальную сегрегацию проб комнатного воздуха с помощью перестановочного мнолигомеркнул мнолигомеркнул диолиноперсию (PERMANOVA, R2 = 0,16, p <0,001) (рис. 3а). A PCA permutációs többváltozós varianciaanalízissel (PERMANOVA, R2 = 0,16, p < 0,001) kiemelte a helyiséglevegő-minták lokális szegregációját (3a. ábra).Ezért párosított PLS-DA modelleket hoztak létre, amelyekben minden helyszínt összehasonlítanak az összes többi helyszínnel a jellemzők aláírásának meghatározása érdekében. Minden modell szignifikáns volt, és az 1-nél nagyobb VIP-pontszámmal rendelkező VOC-kat a megfelelő töltetmennyiséggel extrahálták a csoport hozzájárulásának azonosítására. Minden modell szignifikáns volt, és az 1-nél nagyobb VIP-pontszámmal rendelkező VOC-kat a megfelelő töltetmennyiséggel extrahálták a csoport hozzájárulásának azonosítására. Все модели были значимыми, и ЛОС с оценкой VIP > 1 были извлечены с соответствующей нагрузенияпдлялоенипдлялоены группового вклада. Minden modell szignifikáns volt, és az 1-nél nagyobb VIP-pontszámmal rendelkező VOC-kat megfelelő töltettel extrahálták a csoport hozzájárulásának meghatározásához.所有模型均显着，VIP 评分> 1 的VOC 被提取并分别加载以识别组贡献.所有模型均显着，VIP 评分> 1 的VOC Все модели были значимыми, и VOC с баллами VIP> 1 были извлечены и загружены отдельно для определупо. Minden modell szignifikáns volt, és az 1-nél nagyobb VIP-pontszámmal rendelkező VOC-kat külön-külön kivontuk és feltöltöttük a csoportos hozzájárulások meghatározása érdekében.Eredményeink azt mutatják, hogy a környezeti levegő összetétele helyszínenként változik, és modellkonszenzus segítségével azonosítottunk helyspecifikus jellemzőket. Az endoszkópos egységet magas undekán-, dodekán-, benzonitril- és benzaldehidszint jellemzi. A Klinikai Kutató Osztályról (más néven Májkutató Osztály) származó minták több alfa-pinént, diizopropil-ftalátot és 3-karént mutattak ki. A műtő kevert levegőjét magasabb elágazó dekán-, elágazó dodekán-, elágazó tridekán-, propionsav-, 2-metil-, 2-etil-3-hidroxihexil-éter-, toluol-tartalom és 2 – krotonaldehid jelenléte jellemzi. A járóbeteg-rendelőben (Paterson épület) magasabb az 1-nonanol-, vinil-lauril-éter-, benzil-alkohol-, etanol-, 2-fenoxi-, naftalin-, 2-metoxi-, izobutil-szalicilát-, tridekán- és elágazó láncú tridekán-tartalom. Végül, a tömegspektrometriás laboratóriumban gyűjtött beltéri levegő több acetamidot, 2'2'2-trifluor-N-metil-, piridint, furánt, 2-pentil-, elágazó láncú undekánt, etilbenzolt, m-xilolt, o-xilolt, furfurált és etil-anizátot mutatott. Mind az öt helyszínen különböző szintű 3-karén volt jelen, ami arra utal, hogy ez a VOC egy gyakori szennyező anyag, a klinikai vizsgálati területen a legmagasabb megfigyelt szintekkel. Az egyes pozíciókban megosztott, elfogadott VOC-k listája a 3. kiegészítő táblázatban található. Ezenkívül minden egyes érdekes VOC-ra egyváltozós elemzést végeztek, és az összes pozíciót összehasonlították egymással páros Wilcoxon-teszttel, majd Benjamini-Hochberg-korrekcióval. Az egyes VOC-k blokkdiagramjait az 1. kiegészítő ábra mutatja. A légzési illékony szerves vegyületek görbéi helyfüggetlennek tűntek, amint azt a PCA-val, majd PERMANOVA-val végzett vizsgálatokban megfigyelték (p = 0,39) (3b. ábra). Ezenkívül páronkénti PLS-DA modelleket generáltak a légzési minták összes különböző helyszíne között is, de nem azonosítottak szignifikáns különbségeket (p > 0,05). Ezenkívül páronkénti PLS-DA modelleket generáltak a légzési minták összes különböző helyszíne között is, de nem azonosítottak szignifikáns különbségeket (p > 0,05). Кроме того, парные модели PLS-DA также были созданы между всеми разными местоположениями образцов д, нохания существенных различий выявлено не было (p > 0,05). Ezenkívül párosított PLS-DA modelleket is generáltak a különböző légzési mintavételi helyszínek között, de nem találtak szignifikáns különbséget (p > 0,05).此外，在呼吸样本的所有不同位置之间也生成了成对PLS-DA 模弋， >但未发睰0,05). PLS-DA 模型，但未发现显着差异(p > 0,05). Кроме того, парные модели PLS-DA также были сгенерированы между всеми различными местоположениями местоположениями овра,ноножениями обра, парные модели PLS-DA существенных различий обнаружено не было (p > 0,05). Ezenkívül párosított PLS-DA modelleket is generáltak a különböző légzési mintavételi helyszínek között, de nem találtak szignifikáns különbséget (p > 0,05).
Változások a beltéri környezeti levegőben, de nem a kilélegzett levegőben, az illékony szerves vegyületek eloszlása a mintavételi helytől függően változik, a PCA-val végzett felügyelet nélküli elemzés a különböző helyeken gyűjtött beltéri levegőminták közötti elkülönülést mutatja, de a kilélegzett levegőmintákhoz nem. A csillagok a csoport centroidjait jelölik.
Ebben a tanulmányban öt gyakori kilégzési mintavételi helyszínen elemeztük a beltéri levegő VOC-tartalmának eloszlását, hogy jobban megértsük a háttér VOC-szintek hatását a kilégzési elemzésre.
A beltéri levegőminták szétválását mind az öt különböző helyszínen megfigyelték. A 3-karén kivételével, amely minden vizsgált területen jelen volt, a szétválást különböző VOC-k okozták, így minden helyszínnek specifikus jellege volt. Az endoszkópos értékelés területén az elválasztást kiváltó illékony szerves vegyületek főként monoterpének, például béta-pinén, és alkánok, például dodekán, undekán és tridekán, amelyek gyakran megtalálhatók a tisztítószerekben gyakran használt illóolajokban 13. Figyelembe véve az endoszkópos eszközök tisztításának gyakoriságát, ezek az VOC-k valószínűleg a gyakori beltéri tisztítási folyamatok eredményei. A klinikai kutatólaboratóriumokban, akárcsak az endoszkópiában, a szétválás főként monoterpéneknek, például alfa-pinénnek, de valószínűleg tisztítószereknek is köszönhető. A komplex műtőben a VOC-jelleg főként elágazó alkánokból áll. Ezek a vegyületek sebészeti eszközökből nyerhetők, mivel gazdagok olajokban és kenőanyagokban 14. Sebészeti környezetben a tipikus VOC-k közé tartozik az alkoholok széles skálája: az 1-nonanol, amely növényi olajokban és tisztítószerekben található, valamint a benzil-alkohol, amely parfümökben és helyi érzéstelenítőkben található.15,16,17,18 A tömegspektrometriás laboratóriumban található VOC-k nagyon eltérnek a más területeken várhatóktól, mivel ez az egyetlen nem klinikai terület, amelyet értékeltek. Bár néhány monoterpén jelen van, egy homogénebb vegyületcsoport osztozik ezen a területen más vegyületekkel (2,2,2-trifluor-N-metil-acetamid, piridin, elágazó láncú undekán, 2-pentilfurán, etilbenzol, furfural, etil-anizát). ), ortoxilol, meta-xilol, izopropanol és 3-karén), beleértve az aromás szénhidrogéneket és alkoholokat. Ezen VOC-k némelyike másodlagos lehet a laboratóriumban használt vegyszerekre, amely hét tömegspektrometriás rendszerből áll, amelyek TD és folyadékbefecskendezési módokban működnek.
A PLS-DA segítségével a beltéri levegő és a kilélegzett minták erős elkülönülését figyelték meg, amit a 113 kimutatott VOC-ból 62 okozott. A beltéri levegőben ezek a VOC-k exogén eredetűek, beleértve a diizopropil-ftalátot, a benzofenont, az acetofenont és a benzil-alkoholt, amelyeket általában lágyítókban és illatanyagokban használnak19,20,21,22, utóbbiak a tisztítószerekben is megtalálhatók16. A kilélegzett levegőben található vegyi anyagok endogén és exogén VOC-k keverékei. Az endogén VOC-k főként elágazó láncú alkánokból állnak, amelyek a lipidperoxidáció melléktermékei23, és izoprénből, a koleszterinszintézis melléktermékéből24. Az exogén VOC-k közé tartoznak a monoterpének, például a béta-pinén és a D-limonén, amelyek citrus illóolajokra (szintén széles körben használják tisztítószerekben) és élelmiszer-tartósítószerekre13,25 vezethetők vissza. Az 1-propanol lehet endogén, az aminosavak lebomlásából származó, vagy exogén, amely a fertőtlenítőszerekben van jelen26. A beltéri levegő belélegzéséhez képest magasabb az illékony szerves vegyületek szintje, amelyek közül néhányat lehetséges betegség biomarkerként azonosítottak. Az etil-benzolról kimutatták, hogy számos légzőszervi betegség, többek között a tüdőrák, a COPD27 és a tüdőfibrózis28 potenciális biomarkere. A tüdőrák nélküli betegekhez képest az N-dodekán és a xilol szintje is magasabb koncentrációban volt kimutatható tüdőrákos betegeknél29, a metacimol szintje pedig aktív fekélyes vastagbélgyulladásban30 szenvedő betegeknél. Így, még ha a beltéri levegő különbségei nem is befolyásolják az általános légzési profilt, befolyásolhatják a specifikus VOC-szinteket, így a beltéri háttérlevegő monitorozása továbbra is fontos lehet.
A reggel és délután gyűjtött beltéri levegőminták között is eltérés mutatkozott. A reggeli minták fő jellemzői az elágazó láncú alkánok, amelyek gyakran exogén módon találhatók meg a tisztítószerekben és a viaszokban31. Ez azzal magyarázható, hogy a vizsgálatba bevont mind a négy klinikai helyiséget kitakarították a helyiséglevegő-mintavétel előtt. Minden klinikai területet különböző VOC-k választanak el egymástól, így ez az elkülönülés nem tulajdonítható a takarításnak. A reggeli mintákhoz képest a délutáni minták általában magasabb alkohol-, szénhidrogén-, észter-, keton- és aldehid-keverék szintet mutattak. Mind az 1-propanol, mind a fenol megtalálható a fertőtlenítőszerekben26,32, ami várható a teljes klinikai terület napközbeni rendszeres takarítása miatt. A leheletmintákat csak reggel gyűjtik. Ez számos más tényezőnek köszönhető, amelyek befolyásolhatják a kilélegzett levegő illékony szerves vegyületeinek szintjét a nap folyamán, és amelyeket nem lehet szabályozni. Ide tartozik az ital- és ételfogyasztás33,34, valamint a leheletmintavétel előtti különböző mértékű testmozgás35,36.
A VOC-elemzés továbbra is a nem invazív diagnosztikai fejlesztés élvonalában van. A mintavétel szabványosítása továbbra is kihívást jelent, de elemzésünk meggyőzően kimutatta, hogy nem voltak szignifikáns különbségek a különböző helyeken gyűjtött kilégzési minták között. Ebben a tanulmányban kimutattuk, hogy az illékony szerves vegyületek tartalma a beltéri levegőben függ a helyszíntől és a napszaktól. Eredményeink azonban azt is mutatják, hogy ez nem befolyásolja jelentősen az illékony szerves vegyületek eloszlását a kilélegzett levegőben, ami arra utal, hogy a kilégzési mintavétel különböző helyeken is elvégezhető anélkül, hogy jelentősen befolyásolná az eredményeket. Előnyben részesül a több helyszín bevonása és a mintavételek hosszabb időn keresztüli megkettőzése. Végül a beltéri levegő elkülönítése a különböző helyszínektől, valamint a kilélegzett levegőben az elválasztás hiánya egyértelműen azt mutatja, hogy a mintavételi hely nem befolyásolja jelentősen az emberi kilégzés összetételét. Ez biztató a kilégzéselemzési kutatások számára, mivel kiküszöböl egy potenciális zavaró tényezőt a kilégzési adatgyűjtés szabványosításában. Bár egyetlen alany összes légzési mintázatának vizsgálata tanulmányunk korlátozása volt, csökkentheti az emberi viselkedés által befolyásolt egyéb zavaró tényezők különbségeit. Az egytudományos kutatási projekteket korábban számos tanulmányban sikeresen alkalmazták37. Azonban további elemzésekre van szükség a szilárd következtetések levonásához. A rutinszerű beltéri levegőmintavétel továbbra is ajánlott, a kilégzési mintavétellel együtt az exogén vegyületek kizárása és a specifikus szennyező anyagok azonosítása érdekében. Javasoljuk az izopropil-alkohol elhagyását a tisztítószerekben, különösen az egészségügyi intézményekben való előfordulása miatt. Ezt a tanulmányt korlátozta az egyes helyszíneken gyűjtött kilégzési minták száma, és további munkára van szükség nagyobb számú kilégzési mintával annak megerősítésére, hogy az emberi lehelet összetétele nem befolyásolja jelentősen azt a környezetet, amelyben a minták találhatók. Ezenkívül nem gyűjtöttek relatív páratartalomra (RH) vonatkozó adatokat, és bár elismerjük, hogy az RH különbségei befolyásolhatják a VOC-eloszlást, a logisztikai kihívások mind az RH-szabályozás, mind az RH-adatgyűjtés terén jelentősek a nagyléptékű vizsgálatokban.
Összefoglalva, tanulmányunk azt mutatja, hogy a beltéri levegőben lévő VOC-k (illékony szerves vegyületek) mennyisége helyenként és időnként változik, de a kilégzett minták esetében ez nem feltétlenül igaz. A kis mintaelemszám miatt nem lehet végleges következtetéseket levonni a beltéri levegő kilégzett mintákra gyakorolt hatásáról, és további elemzésekre van szükség, ezért ajánlott a beltéri levegőmintavételt légzés közben végezni az esetleges szennyező anyagok, VOC-k kimutatása érdekében.
A kísérlet 10 egymást követő munkanapon keresztül zajlott a londoni St Mary's Kórházban 2020 februárjában. Minden nap két kilégzési mintát és négy beltéri levegőmintát vettek mind az öt helyszínről, összesen 300 mintát. Minden módszert a vonatkozó irányelveknek és előírásoknak megfelelően végeztek. Mind az öt mintavételi zóna hőmérsékletét 25°C-on szabályozták.
Öt helyszínt választottak ki a beltéri levegő mintavételéhez: Tömegspektrometriai Műszerlaboratórium, Sebészeti Ambuláns, Műtő, Értékelő Terület, Endoszkópos Értékelő Terület és Klinikai Vizsgálószoba. Mindegyik régiót azért választottuk, mert kutatócsoportunk gyakran használja ezeket a területeket a légzéselemzésre való résztvevők toborzására.
A helyiség levegőjének mintáit inert bevonatú Tenax TA/Carbograph termikus deszorpciós (TD) csöveken (Markes International Ltd, Llantrisan, Egyesült Királyság) vették 250 ml/perc sebességgel 2 percig, az SKC Ltd. levegőmintavevő szivattyújával. Teljes nehézségi fok: 500 ml környezeti szobalevegőt kellett minden TD csőbe juttatni. A csöveket ezután sárgaréz kupakokkal lezárták a tömegspektrometriás laboratóriumba való visszaszállításhoz. A beltéri levegőből minden helyszínen felváltva vettek mintákat minden nap 9:00 és 11:00 óra között, majd 15:00 és 17:00 óra között. A mintákat két példányban vették.
Beltéri levegőmintavételnek alávetett egyéni alanyoktól légzési mintákat gyűjtöttek. A légzési mintavételi folyamatot az NHS Health Research Authority—London—Camden & Kings Cross Research Ethics Committee által jóváhagyott protokoll szerint végeztük (hivatkozási szám: 14/LO/1136). A légzési mintavételi folyamatot az NHS Health Research Authority—London—Camden & Kings Cross Research Ethics Committee által jóváhagyott protokoll szerint végeztük (hivatkozási szám: 14/LO/1136). Процесс отбора проб дыхания проводился в соответствии с протоколом, одобренным Управлением N медицинскийхHS — Лондон – Комитет по этике исследований Camden & Kings Cross (ссылка 14/LO/1136). A légzési mintavételi folyamatot az NHS Medical Research Authority – London – Camden & Kings Cross Kutatásetikai Bizottsága által jóváhagyott protokollnak megfelelően végezték (Ref. 14/LO/1136).A kilégzési mintavételi eljárást az NHS-London-Camden Orvosi Kutatóügynökség és a King's Cross Kutatásetikai Bizottság által jóváhagyott protokolloknak megfelelően végezték (ref 14/LO/1136). A kutató írásos beleegyezését adta. Normalizálási célokból a kutatók előző este éjfél óta nem ettek és nem ivtak. A kilégzést egy egyedi gyártású 1000 ml-es Nalophan™ (PET polietilén-tereftalát) eldobható zsákkal és egy polipropilén fecskendővel, amelyet lezárt szájrészként használtak, Belluomo és munkatársai által korábban leírtak szerint. A Nalofan kiváló légzéstároló közegnek bizonyult inertsége és a vegyület akár 12 órán át tartó stabilitásának köszönhetően38. A vizsgáló legalább 10 percig ebben a helyzetben maradva normál, csendes légzés közben a mintazsákba fúj ki. Miután a zsákot maximális térfogatra töltötték, a fecskendő dugattyújával lezárták. A beltéri levegőmintavételhez hasonlóan, használja az SKC Ltd. levegőmintavevő pumpáját 10 percig a zsákból a TD csövön keresztül történő levegővételhez: csatlakoztasson egy nagy átmérőjű, szűrő nélküli tűt a TD cső másik végén lévő légpumpához a műanyag csöveken és az SKC-n keresztül. Akupunktúrázza a zsákot, és lélegezzen be 250 ml/perc sebességgel minden TD csövön keresztül 2 percig, összesen 500 ml lélegzetet töltve minden TD csőbe. A mintákat ismét kétszer vették, hogy minimalizálják a mintavételi variabilitást. A lélegzetvételeket csak reggel veszik.
A TD csöveket TC-20 TD csőkondicionálóval (Markes International Ltd, Llantrisant, Egyesült Királyság) tisztították 40 percig 330°C-on, 50 ml/perc nitrogénárammal. Az összes mintát a gyűjtést követő 48 órán belül GC-TOF-MS módszerrel elemezték. Egy Agilent Technologies 7890A GC-t párosítottak egy TD100-xr termikus deszorpciós berendezéssel és egy BenchTOF Select MS-sel (Markes International Ltd, Llantrisan, Egyesült Királyság). A TD csövet először 1 percig előöblítették 50 ml/perc áramlási sebességgel. A kezdeti deszorpciót 250°C-on 5 percig végezték 50 ml/perc héliumárammal, hogy a VOC-kat egy hideg csapdára (Material Emissions, Markes International, Llantrisant, Egyesült Királyság) deszorbeálják osztott módban (1:10) 25°C-on. A hidegcsapdás (másodlagos) deszorpciót 250 °C-on (60 °C/s ballisztikus fűtéssel) 3 percig végeztük 5,7 ml/perc He áramlási sebességgel, és a GC áramlási útvonalának hőmérsékletét folyamatosan 200 °C-ra melegítettük. Az oszlop egy Mega WAX-HT oszlop volt (20 m × 0,18 mm × 0,18 μm, Chromalytic, Hampshire, USA). Az oszlop áramlási sebességét 0,7 ml/percre állítottuk be. A kemence hőmérsékletét először 35 °C-ra állítottuk be 1,9 percre, majd 240 °C-ra emeltük (20 °C/perc, 2 percig tartva). Az MS távvezetéket 260 °C-on tartottuk, az ionforrást (70 eV-os elektronütés) pedig 260 °C-on tartottuk. Az MS analizátort 30 és 597 m/s közötti sebességre állítottuk be. Minden vizsgálat elején és végén hideg csapdában (TD cső nélkül) deszorpciót és kondicionált tiszta TD csőben deszorpciót végeztünk, hogy megbizonyosodjunk az átviteli hatások elkerüléséről. Ugyanezt a vakpróba elemzést végeztük el közvetlenül a kilégzési minták deszorpciója előtt és után, hogy biztosítsuk a minták folyamatos elemzését a TD beállítása nélkül.
A kromatogramok vizuális ellenőrzése után a nyers adatfájlokat Chromspace® (Sepsolve Analytical Ltd.) szoftverrel elemeztük. A kérdéses vegyületeket reprezentatív kilélegzett és helyiséglevegő-mintákból azonosítottuk. Az annotáció a VOC tömegspektrum és a NIST 2017 tömegspektrum-könyvtár felhasználásával készült retenciós index alapján készült. A retenciós indexeket úgy számítottuk ki, hogy 1 μL-t adagoltunk három kondicionált TD csőbe kalibrációs oldatot betöltő berendezésen keresztül, és azonos TD-GC-MS körülmények között elemeztük. A nyers vegyületlistából csak azokat tartottuk meg elemzésre, amelyek fordított egyezési tényezője > 800 volt. A retenciós indexeket úgy számítottuk ki, hogy 1 μL-t adagoltunk három kondicionált TD csőbe kalibrációs oldatot betöltő berendezésen keresztül, és azonos TD-GC-MS körülmények között elemeztük. A nyers vegyületlistából csak azokat tartottuk meg elemzésre, amelyek fordított egyezési tényezője > 800 volt.A retenciós indexeket úgy számítottuk ki, hogy 1 µl alkánok (nC8-nC40, 500 µg/ml diklórmetánban, Merck, USA) keverékét elemeztük három kondicionált TD csőben kalibrációs oldat betöltő egység segítségével, és azonos TD-GC-MS körülmények között elemeztük.из исходного списка соединений для анализа были оставлены только соединения с коэффициентом > обниходного és az eredeti vegyületlistából csak azokat a vegyületeket tartottuk meg elemzésre, amelyek fordított egyezési együtthatója > 800.通过分析烷烃混合物（nC8-nC40，500 μg/ml在二氯甲烷中，Merck，USA）计算保留指数，通过校准溶液加载装置将1 μL加标到三个调节过的TD 管上，并在相同的TD-GC-MS 条件下进行分析并且从原始化合物列表中，仅保留反向匹配因子> 800的化合物进行分析.通过 分析 烷烃 （（nc8-nc40，500 μg/ml 在 中 ， ， merck ， USA） 保留 指数 ， 通过装置 将 1 μl 到 三 调节 过 的 的 管 ， 并 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在 在的化合物进行分析.A retenciós indexeket alkánok (nC8-nC40, 500 μg/ml diklór-metánban, Merck, USA) keverékének elemzésével számítottuk ki, majd 1 μl-t adtunk három kondicionált TD csőbe az oldatbetöltő kalibrálásával, és oda adagoltuk.выполненных в тех же условиях TD-GC-MS и из исходного списка соединений, для анализа былидиза былидина оставиянельсавле коэффициентом обратного соответствия > 800. azonos TD-GC-MS körülmények között elvégezve és az eredeti vegyületlistából csak azokat a vegyületeket tartottuk meg elemzéshez, amelyek inverz illeszkedési tényezője > 800.Az oxigént, az argont, a szén-dioxidot és a sziloxánokat is eltávolítják. Végül kizártuk azokat a vegyületeket is, amelyek jel-zaj aránya < 3 volt. Végül kizártuk azokat a vegyületeket is, amelyek jel-zaj aránya < 3 volt. Наконец, любые соединения с отношением сигнал/шум <3 также были исключены. Végül kizártuk azokat a vegyületeket is, amelyek jel-zaj aránya <3 volt.最后，还排除了信噪比< 3 的任何化合物.最后，还排除了信噪比< 3 的任何化合物. Наконец, любые соединения с отношением сигнал/шум <3 также были исключены. Végül kizártuk azokat a vegyületeket is, amelyek jel-zaj aránya <3 volt.Az egyes vegyületek relatív mennyiségét ezután az összes adatfájlból kinyerték a kapott vegyületlista segítségével. A NIST 2017-hez képest 117 vegyületet azonosítottak a kilégzési mintákban. A kiválasztást MATLAB R2018b szoftverrel (9.5-ös verzió) és Gavin Beta 3.0 programmal végezték. Az adatok további vizsgálata után további 4 vegyületet zártak ki a kromatogramok vizuális ellenőrzésével, így 113 vegyület maradt a későbbi elemzésben. Ezen vegyületek nagy mennyiségét mind a 294 sikeresen feldolgozott mintából visszanyerték. Hat mintát eltávolítottak a gyenge adatminőség (szivárgó TD csövek) miatt. A fennmaradó adatkészletekben Pearson-féle egyoldalas korrelációkat számítottak ki 113 VOC között ismételt mérési mintákban a reprodukálhatóság felmérése érdekében. A korrelációs együttható 0,990 ± 0,016, a p-érték pedig 2,00 × 10–46 ± 2,41 × 10–45 (számtani átlag ± szórás) volt.
Minden statisztikai elemzést az R 4.0.2-es verzióján (R Foundation for Statistical Computing, Bécs, Ausztria) végeztünk. Az adatok elemzéséhez és generálásához használt adatok és kód nyilvánosan elérhető a GitHubon (https://github.com/simonezuffa/Manuscript_Breath). Az integrált csúcsokat először logaritmikus transzformációnak vetettük alá, majd teljes terület normalizálásával normalizáltuk. Az ismételt mérésekkel rendelkező mintákat az átlagértékre görgettük fel. A „ropls” és a „mixOmics” csomagok felügyelet nélküli PCA modellek és felügyelt PLS-DA modellek létrehozására szolgálnak. A PCA lehetővé teszi 9 minta kiugró értékének azonosítását. Az elsődleges kilégzési mintát a helyiséglevegő-mintával csoportosítottuk, ezért a mintavételi hiba miatt üres csőnek tekintettük. A fennmaradó 8 minta 1,1′-bifenil, 3-metilt tartalmazó helyiséglevegő-minta. További vizsgálatok azt mutatták, hogy mind a 8 minta szignifikánsan alacsonyabb VOC-termeléssel rendelkezett a többi mintához képest, ami arra utal, hogy ezeket a kibocsátásokat a csövek betöltése során elkövetett emberi hiba okozta. A helymeghatározást PCA-ban teszteltük PERMANOVA segítségével egy vegán csomagból. A PERMANOVA lehetővé teszi a csoportok centroidok szerinti felosztásának azonosítását. Ezt a módszert korábban már alkalmazták hasonló metabolomikai vizsgálatokban39,40,41. A ropls csomagot a PLS-DA modellek szignifikanciájának értékelésére használják véletlenszerű hétszeres keresztvalidáció és 999 permutáció segítségével. Az 1-nél nagyobb változó fontosságú projekciós (VIP) pontszámmal rendelkező vegyületeket tekintettük relevánsnak az osztályozás szempontjából, és szignifikánsnak tartottuk. Az 1-nél nagyobb változó fontosságú projekciós (VIP) pontszámmal rendelkező vegyületeket tekintettük relevánsnak az osztályozás szempontjából, és szignifikánsnak tartottuk. Соединения с показателем проекции переменной важности (VIP) > 1 считались подходящими для классификациососификац значимые. Az 1-nél nagyobb változó fontosságú vetítési pontszámmal (VIP) rendelkező vegyületeket tekintettük alkalmasnak a besorolásra, és szignifikánsnak tartottuk.具有可变重要性投影(VIP) 分数> 1 的化合物被认为与分类相关并保留为显着具有可变重要性投影(VIP) 分数> 1 Соединения с оценкой переменной важности (VIP) > 1 считались подходящими для классификации и остазвали. Az 1-nél nagyobb változó fontosságú (VIP) pontszámmal rendelkező vegyületeket tekintették alkalmasnak a besorolásra, és szignifikánsak maradtak.A PLS-DA modellből származó terheléseket is kivonták a csoportok hozzájárulásának meghatározásához. Egy adott helyszín VOC-értékeit a párosított PLS-DA modellek konszenzusa alapján határozzák meg. Ennek érdekében minden helyszín VOC profiljait egymással összehasonlítva tesztelték, és ha egy VIP > 1 értékű VOC folyamatosan szignifikáns volt a modellekben, és ugyanahhoz a helyszínhez rendelték, akkor azt helyspecifikusnak tekintették. Ennek érdekében minden helyszín VOC profiljait egymással összehasonlítva tesztelték, és ha egy VIP > 1 értékű VOC folyamatosan szignifikáns volt a modellekben, és ugyanahhoz a helyszínhez rendelték, akkor azt helyspecifikusnak tekintették. Для этого профили ЛОС всех местоположений были проверены друг против друга, и если ЛОС с VIP> 1 побостыя моделях и относился к одному и тому же месту, тогда он считался специфичным для местоположения. Ehhez az összes helyszín VOC-profiljait egymással összehasonlítva tesztelték, és ha egy VIP > 1 értékű VOC következetesen szignifikáns volt a modellekben, és ugyanarra a helyszínre vonatkozott, akkor azt helyspecifikusnak tekintették.为此，对所有位置的VOC 配置文件进行了相互测试，如果VIP > 1 的VOC在模型中始终显着并归因于同一位置，则将其视为特定位置.为 此 ， 对 所有 的 的 voc 配置 文件 了 相互 测试 ， 如果 vip> 1 的 幋 voc 圧 中归因 于 一 位置 ， 将 其 视为 特定。。。 位置 位置 位置 位置 位置 位置 位置 位 置 位位置 位置 位置 位置С этой целью профили ЛОС во всех местоположениях были сопоставлены друг с другом, и ЛОт1С слсчита ся VIP> зависящим от местоположения, если он был постоянно значимым в модели и относился к одному и тому же местоположению. Ennek érdekében összehasonlították az összes helyszín VOC-profiljait, és az 1-nél nagyobb VIP-értékű VOC-t helyfüggőnek tekintették, ha a modellben következetesen szignifikáns volt, és ugyanarra a helyszínre vonatkozott.A kilélegzett és a beltéri levegő mintáinak összehasonlítását csak a reggel vett minták esetében végeztük el, mivel délután nem vettünk kilélegzett mintákat. Az egyváltozós elemzéshez Wilcoxon-tesztet alkalmaztunk, a téves felfedezési arányt pedig Benjamini-Hochberg korrekcióval számítottuk ki.
A jelenlegi tanulmány során keletkezett és elemzett adatkészletek ésszerű kérésre a megfelelő szerzőktől elérhetők.
Oman, A. és munkatársai. Emberi illékony anyagok: Illékony szerves vegyületek (VOC-k) a kilélegzett levegőben, a bőrváladékban, a vizeletben, a székletben és a nyálban. J. Breath res. 8(3), 034001 (2014).
Belluomo, I. és munkatársai. Szelektív ionáramú csöves tömegspektrometria az emberi leheletben található illékony szerves vegyületek célzott elemzésére. Nemzeti protokoll. 16(7), 3419–3438 (2021).
Hanna, GB, Boshier, PR, Markar, SR és Romano, A. Az illékony szerves vegyületeken alapuló kilégzési tesztek pontossága és módszertani kihívásai a rákdiagnózisban. Hanna, GB, Boshier, PR, Markar, SR és Romano, A. Az illékony szerves vegyületeken alapuló kilégzési tesztek pontossága és módszertani kihívásai a rákdiagnózisban.Khanna, GB, Boshire, PR, Markar, SR. és Romano, A. Az illékony szerves vegyületeken alapuló kipufogógáz-tesztek pontossága és módszertani kérdései a rák diagnosztizálásában. Hanna, GB, Boshier, PR, Markar, SR és Romano, A.基于挥发性有机化合物的呼出气测试在癌症诊断中的准确性和方法学挂戈气测试在癌症诊断中的准确性和方法学挂戈 Hanna, GB, Boshier, PR, Markar, SR és Romano, A. Pontosság és módszertani kihívások az illékony szerves vegyületeken alapuló rákdiagnózisban.Khanna, GB, Boshire, PR, Markar, SR. és Romano, A. Az illékony szerves vegyületek kilégzési tesztelésének pontossága és módszertani kérdései a rákdiagnózisban.JAMA Oncol. 5(1). szám, 182815. szám (2019).
Boshier, PR, Cushnir, JR, Priest, OH, Marczin, N. és Hanna, GB Az illékony nyomgázok szintjének változása három kórházi környezetben: Következmények a klinikai kilégzéstesztelésre. Boshier, PR, Cushnir, JR, Priest, OH, Marczin, N. és Hanna, GB Az illékony nyomgázok szintjének változása három kórházi környezetben: Következmények a klinikai kilégzéstesztelésre.Boshear, PR, Kushnir, JR, Priest, OH, Marchin, N. és Khanna, GB. Az illékony nyomgázok szintjének különbségei három kórházi környezetben: jelentőség a klinikai kilégzéstesztelés szempontjából. Boshier, PR, Cushnir, JR, Priest, OH, Marczin, N. és Hanna, GB三种医院环境中挥发性微量气体水平的变化：对临床呼气测试的影响。 Boshier, PR, Cushnir, JR, Priest, OH, Marczin, N. és Hanna, GBBoshear, PR, Kushnir, JR, Priest, OH, Marchin, N. és Khanna, GB. Az illékony nyomgázok szintjének változásai három kórházi környezetben: jelentőség a klinikai kilégzéstesztelés szempontjából.J. Vallási Tudományok Lapja 4(3), 031001 (2010).
Trefz, P. és munkatársai. A légzési gázok valós idejű, folyamatos monitorozása klinikai környezetben a protonátviteli reakció repülési idejétől függő tömegspektrometriájával. anus. Chemical. 85(21), 10321-10329 (2013).
Castellanos, M., Xifra, G., Fernández-Real, JM és Sánchez, JM A kilégzett gázok koncentrációja tükrözi a szevofluránnak és az izopropil-alkoholnak való kitettséget kórházi környezetben, nem munkahelyi körülmények között. Castellanos, M., Xifra, G., Fernández-Real, JM és Sánchez, JM A kilégzett gázok koncentrációja tükrözi a szevofluránnak és az izopropil-alkoholnak való kitettséget kórházi környezetben, nem munkahelyi körülmények között.Castellanos, M., Xifra, G., Fernandez-Real, JM és Sanchez, JM A kilélegzett gáz koncentrációja a szevofluránnak és az izopropil-alkoholnak való kitettséget tükrözi kórházi környezetben, nem foglalkozási környezetben. Castellanos, M., Xifra, G., Fernández-Real, JM és Sánchez, JM呼吸气体浓度反映了在非职业条件下的医院环境中暴露于七氟醚和异丙醸 Castellanos, M., Xifra, G., Fernández-Real, JM és Sánchez, JMCastellanos, M., Xifra, G., Fernandez-Real, JM és Sanchez, JM A légúti gázkoncentrációk a szevoflurán és az izopropanol expozícióját tükrözik kórházi környezetben, laikus szakember bevonásával.J. Breath res. 10(1), 016001 (2016).
Markar SR és munkatársai. Nem invazív kilégzési tesztek értékelése a nyelőcső- és gyomorrák diagnosztizálásában. JAMA Oncol. 4(7), 970-976 (2018).
Salman, D. és munkatársai. Az illékony szerves vegyületek változékonysága beltéri levegőben klinikai környezetben. J. Breath res. 16(1), 016005 (2021).
Phillips, M. és munkatársai: Az emlőrák illékony leheleti markerei. Breast J. 9 (3), 184–191 (2003).
Phillips, M., Greenberg, J. és Sabas, M. A pentán alveoláris gradiense normál emberi légzésben. Phillips, M., Greenberg, J. és Sabas, M. A pentán alveoláris gradiense normál emberi légzésben.Phillips M, Greenberg J és Sabas M. Alveoláris pentángradiens normál emberi légzésben. Phillips, M., Greenberg, J. & Sabas, M. 正常人呼吸中戊烷的肺泡梯度. Phillips, M., Greenberg, J. és Sabas, M.Phillips M, Greenberg J és Sabas M. Alveoláris pentángradiensek normál emberi légzésben.szabad gyökök. tárolótartály. 20(5), 333–337 (1994).
Harshman SV és munkatársai. Standardizált légzésmintavétel jellemzése offline terepi használatra. J. Breath res. 14(1), 016009 (2019).
Maurer, F. és munkatársai. Környezeti levegő szennyezőanyagainak öblítése a kilélegzett levegő mérése céljából. J. Breath res. 8(2), 027107 (2014).
Salehi, B. és munkatársai. Az alfa- és béta-pinén terápiás potenciálja: a természet csodálatos ajándéka. Biomolecules 9 (11), 738 (2019).
CompTox kémiai információs panel – benzil-alkohol. https://comptox.epa.gov/dashboard/dsstoxdb/results?search=DTXSID5020152#chemical-functional-use (hozzáférés: 2021. szeptember 22.).
Alfa Aesar – L03292 Benzil-alkohol, 99%. https://www.alfa.com/en/catalog/L03292/ (Hozzáférés: 2021. szeptember 22.).
Good Scents Company – Benzil-alkohol. http://www.thegoodscentscompany.com/data/rw1001652.html (Hozzáférés: 2021. szeptember 22.).
A CompTox kémiai panelje a diizopropil-ftalát. https://comptox.epa.gov/dashboard/dsstoxdb/results?search=DTXSID2040731 (hozzáférés: 2021. szeptember 22.).
Emberek, IARC rákkeltő kockázatértékelési munkacsoportja. Benzofenon.: Nemzetközi Rákkutató Ügynökség (2013).
Good Scents Company – Acetofenon. http://www.thegoodscentscompany.com/data/rw1000131.html#tooccur (Hozzáférés: 2021. szeptember 22.).
Van Gossum, A. és Decuyper, J. A légzési alkánok a lipidperoxidáció indexeként. Van Gossum, A. és Decuyper, J. A légzési alkánok a lipidperoxidáció indexeként.Van Gossum, A. és Dekuyper, J. Az alkánlégzés a lipidperoxidáció indikátoraként. Van Gossum, A. & Decuyper, J. Breath 烷烃作为脂质过氧化的指标. Van Gossum, A. & Decuyper, J. Breath alkánok mint a 脂质过过化的的剧情 indikátora.Van Gossum, A. és Dekuyper, J. Az alkánlégzés a lipidperoxidáció indikátoraként.EURO. country Journal 2(8), 787–791 (1989).
Salerno-Kennedy, R. és Cashman, KD A leheleti izoprén biomarkerként való alkalmazási lehetőségei a modern orvoslásban: rövid áttekintés. Salerno-Kennedy, R. és Cashman, KD A leheleti izoprén biomarkerként való alkalmazási lehetőségei a modern orvoslásban: rövid áttekintés. Salerno-Kennedy, R. és Cashman, KDAz izoprén lehetséges alkalmazásai a légzésben, mint biomarker a modern orvoslásban: rövid áttekintés. Salerno-Kennedy, R. & Cashman, KD 呼吸异戊二烯作为现代医学生物标志物的潜在应用：简明怂 Salerno-Kennedy, R. és Cashman, KDSalerno-Kennedy, R. és Cashman, KD A légúti izoprén biomarkerként való alkalmazási lehetőségei a modern orvoslásban: rövid áttekintés.Wien Klin Wochenschr 117 (5–6), 180–186 (2005).
Kureas M. és munkatársai. A kilélegzett levegőben található illékony szerves vegyületek célzott elemzését alkalmazzák a tüdőrák más tüdőbetegségektől való megkülönböztetésére, valamint egészséges embereknél. Metabolites 10(8), 317 (2020).
Közzététel ideje: 2022. szeptember 28.