Análise da Respiração: Um Novo Método de Teste para COVID-19
A análise do ar exalado mostra potencial como um método rápido e confiável de teste para COVID-19.
― 7 min ler
Índice
- Análise de Respiração como Método de Teste
- Design do Estudo e Participantes
- Como os Testes Foram Realizados
- Analisando os Dados
- Resultados do Estudo
- Importância dos Achados
- Comparações com Outros Métodos de Teste
- O Papel dos Sintomas e da Vacinação
- Limitações e Direções Futuras
- Benefícios Econômicos
- Conclusão
- Fonte original
Desde que a pandemia de COVID-19 começou, teve mais de 640 milhões de casos confirmados no mundo todo. Pra saber se alguém tá com o vírus, o jeito mais comum é um teste que procura o material genético do vírus em amostras tiradas da garganta ou do nariz. Esse método de teste, chamado RT-PCR, é bem completo, mas pode ser demorado e precisa de profissionais treinados e materiais caros. Em alguns casos, os resultados dos testes podem estar errados, fazendo com que a pessoa não seja identificada como infectada mesmo que esteja, com taxas de falso negativo chegando a 67%.
Tem também os testes mais rápidos, chamados testes de detecção de antígenos rápidos (RAD), que também conseguem verificar o vírus, mas não são tão precisos quanto o RT-PCR, especialmente em pessoas que têm poucos sintomas.
Diante dessas dificuldades, tá claro que precisamos de novas formas de testar COVID-19 que sejam rápidas, fáceis e baratas.
Análise de Respiração como Método de Teste
Um método promissor pra testar é a análise de respiração. Essa abordagem analisa compostos químicos bem pequenos, conhecidos como Compostos Orgânicos Voláteis (COVs), que estão no bafo da pessoa. Esses compostos podem mudar quando a pessoa tá doente ou com infecção.
Os pesquisadores usaram várias técnicas pra analisar a respiração, incluindo Espectrometria de Massa e outras tecnologias de sensores. Alguns estudos até ensinaram cães a detectar COVID-19 cheirando suor. Técnicas de inteligência artificial (IA), como aprendizado de máquina, foram aplicadas à análise de respiração, ajudando a melhorar como os pesquisadores identificam COVID-19 analisando amostras de respiração.
O objetivo de alguns estudos era ver se a análise de respiração poderia identificar de forma eficaz e rápida as pessoas que poderiam estar com COVID-19.
Design do Estudo e Participantes
Pra testar isso, os pesquisadores realizaram dois estudos em um hospital na França. Eles queriam ver quão eficaz é a análise de respiração no diagnóstico de COVID-19, usando várias técnicas como espectrometria de massa. Ambos os estudos foram aprovados por um comitê de ética e todo mundo envolvido deu sua permissão.
Os participantes incluíram adultos que precisavam fazer teste de COVID-19 ou voluntários saudáveis que não estavam infectados. Mulheres grávidas não foram incluídas no estudo. Sintomas tipicamente ligados à COVID-19 foram usados pra criar uma pontuação de sintomas, ajudando a categorizar os participantes com base na experiência de doença.
Como os Testes Foram Realizados
Quando os participantes forneceram amostras de respiração, a equipe treinada coletou essas amostras com cuidado pra evitar contaminação. O ar foi capturado fazendo com que os participantes respiraçam fundo e depois soltassem o ar por um bocal especial dentro de um saco selado. Esse saco foi levado pra um laboratório pra análise usando um espectrômetro de massa que mede os compostos no ar exalado.
Além das amostras de respiração, os pesquisadores também colheram informações médicas pessoais dos participantes, como seus sintomas e quais medicamentos estavam tomando. Além disso, os participantes foram testados para COVID-19 pelo método padrão RT-PCR.
Analisando os Dados
Os dados das amostras de respiração foram processados usando softwares específicos. Antes de olhar pras amostras de respiração, os pesquisadores analisaram o ar da sala pra garantir que poderiam distinguir entre o ar exalado e o ar de fundo. Uma série de verificações e calibrações ajudou a garantir a precisão dos resultados.
Os pesquisadores também examinaram quão bem a análise de respiração funcionou na identificação da COVID-19. Eles usaram métodos estatísticos pra avaliar os achados, avaliando a sensibilidade (quão bem detecta casos positivos) e especificidade (quão bem identifica casos negativos).
Resultados do Estudo
Das amostras de respiração coletadas, os pesquisadores analisaram dados de 172 participantes. Desses, 67 testaram positivo pra COVID-19, enquanto 106 testaram negativo. A maioria dos participantes foi testada no mesmo dia em que forneceu as amostras de respiração.
A análise estatística mostrou que as amostras de respiração conseguiram separar de forma eficaz indivíduos positivos para COVID-19 dos que eram negativos. Quando combinaram a análise de respiração com informações clínicas sobre sintomas e tratamentos, o modelo conseguiu classificar os casos positivos com alta sensibilidade (98%) e razoável especificidade (74%).
Importância dos Achados
Esses resultados sugerem que a análise de respiração é uma maneira confiável de detectar COVID-19, especialmente em lugares onde testes rápidos são necessários. A técnica é não invasiva e não precisa de materiais caros, tornando-se uma opção prática pra triagens em larga escala.
Além disso, a análise de respiração poderia encontrar indivíduos que poderiam espalhar o vírus sem perceber, permitindo rápida isolação e cuidado.
Comparações com Outros Métodos de Teste
Estudos anteriores mostraram uma variedade de eficácia em métodos de análise de respiração pra diagnosticar COVID-19, com alguns mostrando Sensibilidades tão baixas quanto 68%, enquanto outros chegaram até 100%. Muitos dos métodos menos eficazes usaram tecnologias mais antigas ou tempos de teste mais longos.
Em comparação, os testes de respiração com espectrometria de massa parecem oferecer resultados melhores, com menos falsos negativos. Testes rápidos de antígenos tradicionais, embora rápidos, têm sensibilidade mais baixa, especialmente em pessoas com sintomas leves, o que pode levar a casos perdidos.
O Papel dos Sintomas e da Vacinação
Uma análise adicional olhou como os sintomas e a vacinação influenciaram os resultados. Foi descoberto que certos sintomas, como febre ou tosse, estavam correlacionados com as concentrações de COVs na respiração. Importante, o tratamento passado com corticosteroides e a vacinação não interferiram significativamente nos resultados das amostras de respiração, sugerindo a robustez do método.
Limitações e Direções Futuras
Enquanto esse estudo mostrou resultados promissores, ele teve limitações, incluindo um tamanho de amostra relativamente pequeno e a necessidade de validação mais extensa em outros grupos. Os resultados dependem de análise de dados sofisticada, que ajuda a evitar erros e melhorar as descobertas.
Os pontos fortes do estudo incluíram a medição em tempo real dos COVs e a incorporação de metadados dos pacientes pra melhorar o desempenho diagnóstico. Essas descobertas podem levar a métodos de triagem de COVID-19 mais rápidos e precisos.
Benefícios Econômicos
A análise de respiração oferece vantagens econômicas devido ao custo mínimo de consumíveis e processamento rápido, tornando-se potencialmente custo-efetiva pra instalações de saúde. Diferente dos testes RT-PCR que precisam de equipamentos e consumíveis extensivos, os testes de respiração podem ser realizados com configurações simples.
Implementar esse método poderia ajudar significativamente nos esforços de saúde pública, identificando e isolando rapidamente os casos de COVID-19.
Conclusão
Em resumo, a análise de respiração é uma ferramenta potencialmente poderosa pra diagnosticar COVID-19. Ao combinar tecnologia avançada com aprendizado de máquina e dados clínicos, esse método mostra promessas pra detecção rápida e efetiva da COVID-19. Apresenta uma oportunidade pra testes não invasivos e em grande escala que poderiam ser vitais pra controlar a propagação do vírus e gerenciar a saúde pública. Estudos e validações adicionais serão fundamentais pra realizar totalmente o potencial dessa abordagem inovadora.
Título: Enhanced real-time mass spectrometry breath analysis for the diagnosis of COVID-19
Resumo: BackgroundAlthough rapid screening for and diagnosis of COVID-19 are still urgently needed, most current testing methods are either long, costly, and/or poorly specific. The objective of the present study was to determine whether or not artificial-intelligence-enhanced real-time MS breath analysis is a reliable, safe, rapid means of screening ambulatory patients for COVID-19. MethodsIn two prospective, open, interventional studies in a single university hospital, we used real-time, proton transfer reaction time-of-flight mass spectrometry to perform a metabolomic analysis of exhaled breath from adults requiring screening for COVID-19. Artificial intelligence and machine learning techniques were used to build mathematical models based on breath analysis data either alone or combined with patient metadata. ResultsWe obtained breath samples from 173 participants, of whom 67 had proven COVID-19. After using machine learning algorithms to process breath analysis data and further enhancing the model using patient metadata, our method was able to differentiate between COVID-19-positive and -negative participants with a sensitivity of 98%, a specificity of 74%, a negative predictive value of 98%, a positive predictive value of 72%, and an area under the receiver operating characteristic curve of 0.961. The predictive performance was similar for asymptomatic, weakly symptomatic and symptomatic participants and was not biased by the COVID-19 vaccination status. ConclusionsReal-time, non-invasive, artificial-intelligence-enhanced mass spectrometry breath analysis might be a reliable, safe, rapid, cost-effective, high-throughput method for COVID-19 screening.
Autores: Stanislas Grassin Delyle, C. Roquencourt, H. Salvator, E. Bardin, E. Lamy, E. Farfour, E. Naline, P. Devillier
Última atualização: 2023-06-22 00:00:00
Idioma: English
Fonte URL: https://www.medrxiv.org/content/10.1101/2023.06.21.23291712
Fonte PDF: https://www.medrxiv.org/content/10.1101/2023.06.21.23291712.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.