分析测试百科网

搜索

分析测试百科网 > 行业资讯 > 微信文章

呼吸机相关性肺炎活检分析方案

磐合科仪
2020.2.17
头像

上海磐合科学仪器股份有限公司

660325e232fd22efa99ba83547d69083.jpeg


呼吸机相关性肺炎(Ventilator associated pneumonia,VAP)是指机械通气48小时后至拔管后48小时内出现的肺炎,是医院获得性肺炎的重要类型。鉴于VAP的致病菌、临床诊断与治疗不同于一般的肺炎,加上其病死率高,严重威胁着患者生命。针对此诊断需求及现有研究结果,磐合科仪以丰富的VOCs分析方案经验推出呼吸机相关性肺炎活检分析方案。本方案采用“呼吸活检”技术,可以同时测量超过800种以上的呼吸气组分。 值得一提的是,该技术可以无创、快捷,实现多次连续采集分析,非侵害性和安全性,受众无心理压力,特别适用于VAP诊断及多种疾病的早期筛查、诊断和精准治疗。该方案应用广泛、系统解析度高、灵敏度高,是此类应用的全能型方案。



6718c8e9df66c00c243778ee0b130423.png

呼吸气中VOC分析出800个以上化合物






d3029212948ebbeb718b463dc581db95.jpg

方案配置



     



多款采集系统


1、ReCIVA®: 多体积呼吸气采样装置

10d5d199468c1970c453ddf2fcbc598d.jpeg

2、Bio-VOCs: 高湿度呼吸气样品

58278383fb3e81eb84ed8f50e4526099.png

3、呼吸气专用吸附管

4e57085afe36d8f35829cb029ed11a90.png


     



预处理及分析系统


Markes气液固样品萃取浓缩系统Centri

Markes全二维GCTOF系统BenchTOF

746fbe4008831119a7b408d36cb66461.png


d3029212948ebbeb718b463dc581db95.jpg

方案特点


Centri 系统结合了先进的电子制冷聚焦冷阱VOCs和机械手技术,实现了集多功能的采样,进样和浓缩技术为一体,可以适应 ppt— % 浓度的分析。

■ 全自动HiSorb技术——高容量萃取技术

■ HS和HS冷阱——顶空和顶空冷阱富集模块,实现高灵敏度顶空分析

■ SPME和SPME-冷阱——快速检测呼吸气中的 VOC 和 SVOC 

以上三种浓缩富集技术,可用于体液,血液,排泄物等样品。

■ 呼吸气专用吸附管——实现50位自动吸附管进样技术, 进行连续分析。


全二维GCTOF系统BenchTOF具有高稳定性,高灵敏度和高质量质谱图的特点,适合高通量实验室的日常工作;其独特的动态背景补偿(DBC)功能和SelectEV功能,又可以得到前所未有的定性能力,方便找到特殊肺炎特征标记物。 

■ 更快的数据采集速率(10000Hz),直接配套全二维GC 

■ 系统稳定,维护频率低,满足长时间不间断在线分析的要求  

■ 灵敏度高,谱图质量精确,可NIST谱库直接检索


 d3029212948ebbeb718b463dc581db95.jpg

应用案例—VAP诊断研究


c57a04ef0c7231b6c95c38e0d9f4af57.gif

 荷兰Pouline M. P.等科学家们使用该套方案用,采用吸附管富集呼吸气中VOCs并通过Cenrti配合BenchTOF进行VAP诊断研究并取得了很好的结果。

c57a04ef0c7231b6c95c38e0d9f4af57.gif

583f273de73e3b7ea8970c13d3f1786d.png

图1 研究分析流程图

b87b84fa3c70c12c93c2243faf36d0a1.png

图2 300个研究对象分组

43090f2c8bde0e93bdf9b48ce96226a7.png

 图3 四个(对照组,定值组,疑似肺炎组和大概率肺炎组)组别中11种VOCs浓度的对比(p<0.05),肺炎患者的VOCs浓度明显小于健康对照组的

41db927d81c0694e1bb63daf8495d133.png

图4 通过火山图(volcano plot)可直观显示出肺炎患者与对照的差异,一个圆点代表一个VOC,以T检验显著性检验P值的负对数-log10(P-value)为纵坐标,其值越大越灵敏,以T检验分析出两样本间显著差异表达的因子后,以log2(fold change)为横坐标,其圆圈大小代表AUROC

Pouline M. P. van Oort et al. Int. J. Mol. Sci. 2017, 18, 449 and BMC Pulmonary Medicine (2017) 17:1

46fccd12e09b9ff081cda618acdb5390.jpg

e98be157fb66eb8263dea31d758243e8.png

文章推荐