تغییرات در سطوح ترکیبات آلی فرار در هوای محیط داخلی و تأثیر آنها بر استانداردسازی نمونه‌برداری تنفسی

از بازدید شما از Nature.com متشکریم. نسخه مرورگری که استفاده می‌کنید پشتیبانی محدودی از CSS دارد. برای بهترین تجربه، توصیه می‌کنیم از یک مرورگر به‌روز استفاده کنید (یا حالت سازگاری را در Internet Explorer غیرفعال کنید). در عین حال، برای اطمینان از ادامه پشتیبانی، سایت را بدون استایل‌ها و جاوا اسکریپت رندر خواهیم کرد.
علاقه به تجزیه و تحلیل ترکیبات آلی فرار (VOCs) در هوای بازدم در طول دو دهه گذشته افزایش یافته است. هنوز در مورد نرمال‌سازی نمونه‌برداری و اینکه آیا ترکیبات آلی فرار هوای داخل بر منحنی ترکیبات آلی فرار هوای بازدم تأثیر می‌گذارند، عدم قطعیت وجود دارد. ترکیبات آلی فرار هوای داخل را در مکان‌های نمونه‌برداری معمول تنفس در محیط بیمارستان ارزیابی کنید و تعیین کنید که آیا این امر بر ترکیب تنفس تأثیر می‌گذارد یا خیر. هدف دوم مطالعه نوسانات روزانه در محتوای ترکیبات آلی فرار در هوای داخل بود. هوای داخل در پنج مکان در صبح و بعد از ظهر با استفاده از یک پمپ نمونه‌برداری و یک لوله دفع حرارتی (TD) جمع‌آوری شد. نمونه‌های تنفسی فقط در صبح جمع‌آوری شدند. لوله‌های TD با کروماتوگرافی گازی همراه با طیف‌سنجی جرمی زمان پرواز (GC-TOF-MS) تجزیه و تحلیل شدند. در مجموع 113 VOC در نمونه‌های جمع‌آوری شده شناسایی شد. تجزیه و تحلیل چند متغیره جدایی واضحی بین تنفس و هوای اتاق نشان داد. ترکیب هوای داخل در طول روز تغییر می‌کند و مکان‌های مختلف VOCهای خاصی دارند که بر مشخصات تنفس تأثیری ندارند. نفس‌ها بر اساس موقعیت مکانی، جدایی نشان ندادند، که نشان می‌دهد نمونه‌برداری می‌تواند در مکان‌های مختلف بدون تأثیر بر نتایج انجام شود.
ترکیبات آلی فرار (VOCs) ترکیباتی مبتنی بر کربن هستند که در دمای اتاق به صورت گاز هستند و محصول نهایی بسیاری از فرآیندهای درون‌زا و برون‌زا می‌باشند. 1. دهه‌هاست که محققان به دلیل نقش بالقوه VOCها به عنوان نشانگرهای زیستی غیرتهاجمی بیماری‌های انسانی، به آنها علاقه‌مند بوده‌اند. با این حال، در مورد استانداردسازی جمع‌آوری و تجزیه و تحلیل نمونه‌های تنفسی، عدم قطعیت وجود دارد.
یکی از حوزه‌های کلیدی استانداردسازی برای آنالیز تنفس، تأثیر بالقوه ترکیبات آلی فرار (VOC) پس‌زمینه در هوای محیط داخلی است. مطالعات قبلی نشان داده‌اند که سطوح پس‌زمینه ترکیبات آلی فرار در هوای محیط داخلی بر سطوح ترکیبات آلی فرار موجود در هوای بازدم تأثیر می‌گذارد. بوشیر و همکاران. در سال ۲۰۱۰، از طیف‌سنجی جرمی جریان یونی انتخابی (SIFT-MS) برای مطالعه سطوح هفت ترکیب آلی فرار در سه محیط بالینی استفاده شد. سطوح مختلف ترکیبات آلی فرار در محیط در سه منطقه شناسایی شدند که به نوبه خود راهنمایی‌هایی در مورد توانایی ترکیبات آلی فرار گسترده در هوای داخل ساختمان برای استفاده به عنوان نشانگرهای زیستی بیماری ارائه داد. در سال ۲۰۱۳، ترفز و همکاران. هوای محیط اتاق عمل و الگوهای تنفسی کارکنان بیمارستان نیز در طول روز کاری مورد بررسی قرار گرفت. آنها دریافتند که سطوح ترکیبات برون‌زا مانند سووفلوران در هوای اتاق و هوای بازدم تا پایان روز کاری ۵ درصد افزایش یافته است و این امر سوالاتی را در مورد زمان و مکان نمونه‌برداری از بیماران برای آنالیز تنفس ایجاد می‌کند تا مشکل چنین عوامل مخدوش‌کننده‌ای کاهش یابد و به حداقل برسد. این با مطالعه کاستلانوس و همکارانش مطابقت دارد. در سال ۲۰۱۶، آنها سووفلوران را در بازدم کارکنان بیمارستان پیدا کردند، اما در بازدم کارکنان خارج از بیمارستان چنین چیزی وجود نداشت. در سال ۲۰۱۸، مارکار و همکارانش به عنوان بخشی از مطالعه خود برای ارزیابی توانایی تشخیصی هوای بازدم در سرطان مری، به دنبال نشان دادن تأثیر تغییرات در ترکیب هوای داخل ساختمان بر آنالیز تنفس بودند. آنها با استفاده از یک دستگاه ضد ریه فولادی و SIFT-MS در طول نمونه‌برداری، هشت ترکیب آلی فرار را در هوای داخل ساختمان شناسایی کردند که به طور قابل توجهی با توجه به محل نمونه‌برداری متفاوت بودند. با این حال، این VOCها در مدل تشخیصی VOC آخرین نفس آنها گنجانده نشده بودند، بنابراین تأثیر آنها خنثی شد. در سال ۲۰۲۱، مطالعه‌ای توسط سلمان و همکارانش برای نظارت بر سطح VOC در سه بیمارستان به مدت ۲۷ ماه انجام شد. آنها ۱۷ VOC را به عنوان عوامل تمایز فصلی شناسایی کردند و پیشنهاد کردند که غلظت VOC بازدمی بالاتر از سطح بحرانی ۳ میکروگرم در متر مکعب، بعید است که ثانویه به آلودگی VOC زمینه‌ای در نظر گرفته شود.
علاوه بر تعیین سطوح آستانه یا حذف کامل ترکیبات برون‌زا، گزینه‌های دیگری برای حذف این تنوع پس‌زمینه شامل جمع‌آوری نمونه‌های هوای اتاق به صورت جفتی همزمان با نمونه‌برداری هوای بازدم است تا هرگونه سطح VOC موجود در غلظت‌های بالا در اتاق قابل تنفس قابل تعیین باشد. از هوای بازدم استخراج می‌شود. هوای 9 از سطح کسر می‌شود تا یک "گرادیان آلوئولی" ایجاد شود. بنابراین، یک گرادیان مثبت نشان دهنده وجود ترکیب درون‌زا 10 است. روش دیگر این است که شرکت‌کنندگان هوای "تصفیه شده" را که از نظر تئوری عاری از آلاینده‌های VOC11 است، استنشاق کنند. با این حال، این کار دست و پا گیر و زمان‌بر است و خود تجهیزات آلاینده‌های VOC بیشتری تولید می‌کنند. مطالعه‌ای توسط مورر و همکاران. در سال 2014، شرکت‌کنندگانی که هوای مصنوعی تنفس می‌کردند، 39 VOC کاهش اما 29 VOC افزایش در مقایسه با تنفس هوای محیط داخلی 12 داشتند. استفاده از هوای مصنوعی/تصفیه شده همچنین قابلیت حمل تجهیزات نمونه‌برداری تنفس را به شدت محدود می‌کند.
همچنین انتظار می‌رود سطح VOC محیط در طول روز متفاوت باشد، که ممکن است بر استانداردسازی و دقت نمونه‌برداری تنفس تأثیر بیشتری بگذارد.
پیشرفت‌ها در طیف‌سنجی جرمی، از جمله واجذبی حرارتی همراه با کروماتوگرافی گازی و طیف‌سنجی جرمی زمان پرواز (GC-TOF-MS)، روشی قوی‌تر و قابل اعتمادتر برای تجزیه و تحلیل VOC ارائه داده‌اند که قادر به تشخیص همزمان صدها VOC و در نتیجه تجزیه و تحلیل عمیق‌تر هوای اتاق است. این امر امکان توصیف دقیق‌تر ترکیب هوای محیط اتاق و نحوه تغییر نمونه‌های بزرگ با مکان و زمان را فراهم می‌کند.
هدف اصلی این مطالعه تعیین سطوح مختلف ترکیبات آلی فرار در هوای محیط داخلی در مکان‌های نمونه‌برداری رایج در محیط بیمارستان و چگونگی تأثیر این امر بر نمونه‌برداری هوای بازدم بود. هدف ثانویه تعیین این بود که آیا تغییرات روزانه یا جغرافیایی قابل توجهی در توزیع VOCها در هوای محیط داخلی وجود دارد یا خیر.
نمونه‌های تنفس و همچنین نمونه‌های هوای داخل ساختمان مربوطه، صبح‌ها از پنج مکان مختلف جمع‌آوری و با GC-TOF-MS تجزیه و تحلیل شدند. در مجموع ۱۱۳ ترکیب آلی فرار (VOC) شناسایی و از کروماتوگرام استخراج شدند. اندازه‌گیری‌های مکرر با میانگین تلفیق شدند و سپس تجزیه و تحلیل مؤلفه‌های اصلی (PCA) از نواحی پیک استخراج شده و نرمال شده برای شناسایی و حذف داده‌های پرت انجام شد. تجزیه و تحلیل نظارت‌شده از طریق حداقل مربعات جزئی - تجزیه و تحلیل تشخیصی (PLS-DA) سپس توانست جدایی واضحی بین نمونه‌های هوای تنفس و هوای اتاق نشان دهد (R2Y = 0.97، Q2Y = 0.96، p < 0.001) (شکل 1). تجزیه و تحلیل نظارت‌شده از طریق حداقل مربعات جزئی - تجزیه و تحلیل تشخیصی (PLS-DA) سپس توانست جدایی واضحی بین نمونه‌های هوای تنفس و هوای اتاق نشان دهد (R2Y = 0.97، Q2Y = 0.96، p < 0.001) (شکل 1). روش تجزیه و تحلیل ناظر بر تجزیه و تحلیل نادرست (PLS-DA) разделение между образцами дыхания и комнатного воздуха (R2Y = 0,97, Q2Y = 0,96, p <0,001) (рис. 1). سپس تجزیه و تحلیل کنترل‌شده با تحلیل تفکیکی حداقل مربعات جزئی (PLS-DA) توانست جدایی واضحی بین نمونه‌های هوای بازدم و هوای اتاق نشان دهد (R2Y=0.97، Q2Y=0.96، p<0.001) (شکل 1).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，Q2Y = 0.90（0.1（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) 然夐 然夐呼吸 室内 空气 样本 的 明显(1) .................. ... روش تجزیه و تحلیل تجزیه و تحلیل با کمک روش تجزیه و تحلیل نادرست (PLS-DA) разделение между образцами дыхания и воздуха в помещении (R2Y = 0,97, Q2Y = 0,96, p <0,001) (рис. 1). تجزیه و تحلیل کنترل‌شده با تحلیل تفکیکی حداقل مربعات جزئی (PLS-DA) سپس توانست جدایی واضحی بین نمونه‌های هوای بازدم و هوای داخل نشان دهد (R2Y = 0.97، Q2Y = 0.96، p < 0.001) (شکل 1). جداسازی گروهی توسط ۶۲ ترکیب آلی فرار مختلف، با امتیاز پیش‌بینی اهمیت متغیر (VIP) > ۱ انجام شد. فهرست کاملی از ترکیبات آلی فرار که هر نوع نمونه را مشخص می‌کنند و امتیازهای VIP مربوط به آنها را می‌توانید در جدول تکمیلی ۱ بیابید. جداسازی گروهی توسط ۶۲ ترکیب آلی فرار مختلف، با امتیاز پیش‌بینی اهمیت متغیر (VIP) > ۱ انجام شد. فهرست کاملی از ترکیبات آلی فرار که هر نوع نمونه را مشخص می‌کنند و امتیازهای VIP مربوط به آنها را می‌توانید در جدول تکمیلی ۱ بیابید. تقسیم بندی در گروه было обусловлено 62 ویژه VOC با оценкой проекции переменной важности (VIP) > 1. فهرست پولی VOC، характеризующих هر گونه نوع образца، و их соответствующие оценки VIP را می توانید در تابلیت کامل 1 مشاهده کنید. گروه‌بندی بر اساس ۶۲ ترکیب آلی فرار مختلف با امتیاز پیش‌بینی اهمیت متغیر (VIP) > ۱ انجام شد. فهرست کاملی از ترکیبات آلی فرار که هر نوع نمونه را مشخص می‌کنند و امتیازهای VIP مربوط به آنها را می‌توانید در جدول تکمیلی ۱ بیابید.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。 تقسیم بندی گروهп было обусловлено 62 различными ЛОС с оценкой проекции переменной важности (VIP) > 1. جداسازی گروهی توسط ۶۲ ترکیب آلی فرار مختلف با امتیاز پیش‌بینی اهمیت متغیر (VIP) > ۱ انجام شد.فهرست کاملی از VOC های مشخص کننده هر نوع نمونه و امتیازهای VIP مربوط به آنها را می توانید در جدول تکمیلی ۱ بیابید.
تنفس و هوای داخل ساختمان توزیع متفاوتی از ترکیبات آلی فرار را نشان می‌دهد. تجزیه و تحلیل نظارت‌شده با PLS-DA، جدایی واضحی را بین پروفایل‌های VOCs هوای تنفس و هوای اتاق که در طول صبح جمع‌آوری شده بودند، نشان داد (R2Y = 0.97، Q2Y = 0.96، p < 0.001). تجزیه و تحلیل نظارت‌شده با PLS-DA، جدایی واضحی را بین پروفایل‌های VOCs هوای تنفس و هوای اتاق که در طول صبح جمع‌آوری شده بودند، نشان داد (R2Y = 0.97، Q2Y = 0.96، p < 0.001). تجزیه و تحلیل PLS-DA با کمک PLS-DA نشان می دهد که بین پروفایل های بین المللی اعضای بدن سازماندهی شده اند. воздухе в помещении, собранными утром (R2Y = 0,97, Q2Y = 0,96, p <0,001). تجزیه و تحلیل کنترل‌شده PLS-DA جدایی واضحی را بین پروفایل‌های ترکیبات آلی فرار هوای بازدم و هوای داخل که در صبح جمع‌آوری شده بودند، نشان داد (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 曲线明显分= 0.96 ，p < 0.001）.使用 PLS-DA تجزیه و تحلیل با استفاده از PLS-DA نشان می دهد که پروفایل LOS با استفاده از PLS-DA به اشتراک گذاشته شده است و هوای آن در میان است (R2Y = R2Y = ۰.۹۷، Q2Y = ۰.۹۶، p < ۰.۰۰۱). تجزیه و تحلیل کنترل‌شده با استفاده از PLS-DA، جدایی واضحی از پروفایل‌های VOC هوای تنفس و هوای داخل ساختمان جمع‌آوری‌شده در صبح را نشان داد (R2Y=0.97، Q2Y=0.96، p<0.001).اندازه‌گیری‌های مکرر قبل از ساخت مدل به میانگین کاهش داده شدند. بیضی‌ها فواصل اطمینان 95٪ و مراکز ثقل گروه ستاره را نشان می‌دهند.
تفاوت در توزیع ترکیبات آلی فرار در هوای داخل ساختمان در صبح و بعد از ظهر با استفاده از PLS-DA بررسی شد. این مدل، جدایی معناداری را بین دو نقطه زمانی شناسایی کرد (R2Y = 0.46، Q2Y = 0.22، p < 0.001) (شکل 2). این مدل، جدایی معناداری را بین دو نقطه زمانی شناسایی کرد (R2Y = 0.46، Q2Y = 0.22، p < 0.001) (شکل 2). Модель выявила значительное разделение между двумя временными نقطهми (R2Y = 0,46, Q2Y = 0,22, p <0,001) (ریس. 2). این مدل، جدایی معناداری را بین دو نقطه زمانی نشان داد (R2Y = 0.46، Q2Y = 0.22، p < 0.001) (شکل 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））（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））（ Модель выявила значительное разделение между двумя временными نقطهми (R2Y = 0,46, Q2Y = 0,22, p <0,001) (ریس. 2). این مدل، جدایی معناداری را بین دو نقطه زمانی نشان داد (R2Y = 0.46، Q2Y = 0.22، p < 0.001) (شکل 2). این امر توسط ۴۷ ترکیب آلی فرار با امتیاز VIP > ۱ هدایت شد. ترکیبات آلی فرار با بالاترین امتیاز VIP که نمونه‌های صبحگاهی را مشخص می‌کنند شامل آلکان‌های شاخه‌دار متعدد، اسید اگزالیک و هگزاکوزان بودند، در حالی که نمونه‌های بعدازظهر بیشتر حاوی ۱-پروپانول، فنول، اسید پروپانوئیک، ۲-متیل-، ۲-اتیل-۳-هیدروکسی هگزیل استر، ایزوپرن و نونانال بودند. این امر توسط ۴۷ ترکیب آلی فرار با امتیاز VIP > ۱ هدایت شد. ترکیبات آلی فرار با بالاترین امتیاز VIP که نمونه‌های صبحگاهی را مشخص می‌کنند شامل آلکان‌های شاخه‌دار متعدد، اسید اگزالیک و هگزاکوزان بودند، در حالی که نمونه‌های بعدازظهر بیشتر حاوی ۱-پروپانول، فنول، اسید پروپانوئیک، ۲-متیل-، ۲-اتیل-۳-هیدروکسی هگزیل استر، ایزوپرن و نونانال بودند. 1. образцы, включали несколько разветвленных алканов, щавелевую кислоту и гексакозан, в то время как дневные образцы содержали больше 1-propanola, fenola, propanovoy kislotы, 2-metil- , 2-эtil-3-gidroxigexilovый эфир, изопрен и нонаналь. این به دلیل وجود ۴۷ ترکیب آلی فرار با امتیاز VIP > ۱ بود. ترکیبات آلی فرار با بالاترین امتیاز VIP برای نمونه‌های صبحگاهی شامل چندین آلکان شاخه‌دار، اسید اگزالیک و هگزاکوزان بودند، در حالی که نمونه‌های روزانه حاوی ۱-پروپانول، فنول، اسیدهای پروپانوئیک، ۲-متیل، ۲-اتیل-۳-هیدروکسی هگزیل اتر، ایزوپرن و نونانال بیشتری بودند.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 با оценкой VIP > 1. این امر توسط ۴۷ ترکیب آلی فرار با امتیاز VIP > ۱ تسهیل می‌شود.بالاترین ترکیبات آلی فرار (VOC) با رتبه VIP در نمونه صبح شامل آلکان‌های شاخه‌دار مختلف، اسید اگزالیک و هگزادکان بود، در حالی که نمونه بعد از ظهر حاوی ۱-پروپانول، فنول، اسید پروپیونیک، ۲-متیل-۲-اتیل-۳-هیدروکسی هگزیل استر، ایزوپرن و نونانال بیشتری بود.فهرست کاملی از ترکیبات آلی فرار (VOCs) که تغییرات روزانه در ترکیب هوای داخل ساختمان را مشخص می‌کنند، در جدول تکمیلی ۲ آمده است.
توزیع VOC ها در هوای داخل ساختمان در طول روز متفاوت است. تجزیه و تحلیل نظارت‌شده با PLS-DA، جداسازی بین نمونه‌های هوای اتاق جمع‌آوری‌شده در طول صبح یا بعد از ظهر را نشان داد (R2Y = 0.46، Q2Y = 0.22، p < 0.001). تجزیه و تحلیل نظارت‌شده با PLS-DA، جداسازی بین نمونه‌های هوای اتاق جمع‌آوری‌شده در طول صبح یا بعد از ظهر را نشان داد (R2Y = 0.46، Q2Y = 0.22، p < 0.001). تجزیه و تحلیل کنترلی با کمک PLS-DA نشان می دهد که بین دو هوا هوا در اطلاعات، سوبراننыمی utrom و dnem (R2Y = 0,46، Q2Y = 0,22، p <0,001). تجزیه و تحلیل کنترل‌شده با PLS-DA، جداسازی بین نمونه‌های هوای داخل ساختمان جمع‌آوری‌شده در صبح و بعد از ظهر را نشان داد (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气样本之间存在0.46، Q2Y = 0.22، p < 0.001）.使用 PLS-DA آنالیز اپیدادزورا با استفاده از PLS-DA نشان می‌دهد که هوای کوچک و بزرگ، سوبراننых utrom یا dnem (R2Y = 0,46، Q2Y = 0,22، p <0,001). تجزیه و تحلیل نظارت با استفاده از PLS-DA، جداسازی نمونه‌های هوای داخل ساختمان جمع‌آوری‌شده در صبح یا بعد از ظهر را نشان داد (R2Y = 0.46، Q2Y = 0.22، p < 0.001).بیضی‌ها فواصل اطمینان ۹۵٪ و مراکز ثقل گروه ستاره‌دار را نشان می‌دهند.
نمونه‌ها از پنج مکان مختلف در بیمارستان سنت مری لندن جمع‌آوری شدند: یک اتاق آندوسکوپی، یک اتاق تحقیقات بالینی، یک مجموعه اتاق عمل، یک کلینیک سرپایی و یک آزمایشگاه طیف‌سنجی جرمی. تیم تحقیقاتی ما مرتباً از این مکان‌ها برای جذب بیمار و جمع‌آوری تنفس استفاده می‌کند. مانند قبل، هوای داخل ساختمان در صبح و بعد از ظهر جمع‌آوری شد و نمونه‌های هوای بازدم فقط در صبح جمع‌آوری شدند. PCA تفکیک نمونه‌های هوای اتاق بر اساس مکان را از طریق تحلیل واریانس چند متغیره جایگشتی (PERMANOVA، R2 = 0.16، p < 0.001) برجسته کرد (شکل 3a). PCA تفکیک نمونه‌های هوای اتاق بر اساس مکان را از طریق تحلیل واریانس چند متغیره جایگشتی (PERMANOVA، R2 = 0.16، p < 0.001) برجسته کرد (شکل 3a). تجزیه و تحلیل PCA در یک موقعیت خاص (PERMANOVA, R2 =) 0,16, p <0,001) (рис. 3а). PCA با استفاده از تحلیل واریانس چند متغیره جایگشتی، جداسازی نمونه‌های هوای اتاق را بر اساس مکان نشان داد (PERMANOVA، R2 = 0.16، p < 0.001) (شکل 3a). 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）。پی سی ای PCA تجزیه و تحلیل موضعی پوکی استخوان (PERMANOVA, R2 = 0,16, p <0.001) (r. 3a). PCA با استفاده از تحلیل واریانس چند متغیره جایگشتی (PERMANOVA، R2 = 0.16، p < 0.001) تفکیک محلی نمونه‌های هوای اتاق را برجسته کرد (شکل 3a).بنابراین، مدل‌های PLS-DA جفت‌شده ایجاد شدند که در آن‌ها هر مکان با تمام مکان‌های دیگر مقایسه می‌شود تا امضاهای ویژگی تعیین شوند. همه مدل‌ها معنی‌دار بودند و VOCهای با امتیاز VIP > 1 با بارگذاری مربوطه استخراج شدند تا سهم گروه مشخص شود. همه مدل‌ها معنی‌دار بودند و VOCهای با امتیاز VIP > 1 با بارگذاری مربوطه استخراج شدند تا سهم گروه مشخص شود. همه مدل های были значимыми، и ЛОС со оценкой VIP > 1 были извлечены со соответствующей нагрузкой для مشخصия группового вклада. همه مدل‌ها معنی‌دار بودند و VOCهای با امتیاز VIP > 1 با بارگذاری مناسب برای تعیین سهم گروه استخراج شدند.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 همه مدل‌ها были значимыми، و VOC با بالامی VIP> 1 были извлечены и загружены отдельно для مشخص شده در این گروه. همه مدل‌ها معنی‌دار بودند و VOCهایی با امتیاز VIP > 1 استخراج و به‌طور جداگانه بارگذاری شدند تا سهم گروه‌ها مشخص شود.نتایج ما نشان می‌دهد که ترکیب هوای محیط با توجه به مکان متفاوت است و ما با استفاده از اجماع مدل، ویژگی‌های خاص هر مکان را شناسایی کرده‌ایم. واحد آندوسکوپی با سطوح بالای آندکان، دودکان، بنزونیتریل و بنزآلدئید مشخص می‌شود. نمونه‌های گرفته شده از بخش تحقیقات بالینی (که با نام بخش تحقیقات کبد نیز شناخته می‌شود) آلفا-پینن، دی‌ایزوپروپیل فتالات و 3-کارن بیشتری را نشان دادند. هوای مخلوط اتاق عمل با محتوای بالاتر دکان شاخه‌دار، دودکان شاخه‌دار، تری‌دکان شاخه‌دار، اسید پروپیونیک، 2-متیل-، 2-اتیل-3-هیدروکسی‌هگزیل اتر، تولوئن و 2 - وجود کروتونالدئید مشخص می‌شود. کلینیک سرپایی (ساختمان پترسون) محتوای بالاتری از 1-نونانول، وینیل لوریل اتر، بنزیل الکل، اتانول، 2-فنوکسی، نفتالین، 2-متوکسی، ایزوبوتیل سالیسیلات، تری‌دکان و تری‌دکان زنجیره‌ای شاخه‌دار دارد. در نهایت، هوای داخل ساختمان که در آزمایشگاه طیف‌سنجی جرمی جمع‌آوری شده بود، استامید، 2'2'2-تری‌فلورو-N-متیل، پیریدین، فوران، 2-پنتیل-، آندکان شاخه‌دار، اتیل بنزن، m-زایلن، o-زایلن، فورفورال و اتیلانیسیت بیشتری را نشان داد. سطوح مختلفی از 3-کارن در هر پنج محل وجود داشت که نشان می‌دهد این VOC یک آلاینده رایج با بالاترین سطوح مشاهده شده در منطقه مطالعه بالینی است. فهرستی از VOCهای توافق شده که هر موقعیت را به اشتراک می‌گذارند را می‌توان در جدول تکمیلی 3 یافت. علاوه بر این، یک تجزیه و تحلیل تک متغیره برای هر VOC مورد نظر انجام شد و همه موقعیت‌ها با استفاده از آزمون ویلکاکسون دو به دو و به دنبال آن تصحیح بنجامینی-هاچبرگ با یکدیگر مقایسه شدند. نمودارهای بلوکی برای هر VOC در شکل تکمیلی 1 ارائه شده است. به نظر می‌رسد منحنی‌های ترکیبات آلی فرار تنفسی مستقل از مکان هستند، همانطور که در PCA و به دنبال آن PERMANOVA مشاهده شد (p = 0.39) (شکل 3b). علاوه بر این، مدل‌های PLS-DA جفتی بین تمام مکان‌های مختلف برای نمونه‌های تنفسی نیز ایجاد شدند، اما هیچ تفاوت معنی‌داری مشاهده نشد (p > 0.05). علاوه بر این، مدل‌های PLS-DA جفتی بین تمام مکان‌های مختلف برای نمونه‌های تنفسی نیز ایجاد شدند، اما هیچ تفاوت معنی‌داری مشاهده نشد (p > 0.05). Кроме того, парные модели PLS-DA также были созданы между всеми разными местоположениями образцов дыхания, но существенных различий выявлено не было (p > 0,05). علاوه بر این، مدل‌های PLS-DA جفت‌شده نیز بین تمام مکان‌های مختلف نمونه تنفسی ایجاد شدند، اما هیچ تفاوت معنی‌داری مشاهده نشد (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 模型，但未叾生成了成对PLS-DA 模型，但未叾生0.05). PLS-DA 模型，但未发现显着差异(p > 0.05). Krome togo, parnыe model PLS-DA также были генерированы между всеми различными местоположениями образцов дыхания, но существенных различий обнаружено не было (p > 0,05). علاوه بر این، مدل‌های PLS-DA جفت‌شده نیز بین تمام مکان‌های مختلف نمونه تنفسی ایجاد شدند، اما هیچ تفاوت معنی‌داری مشاهده نشد (p > 0.05).
تغییرات در هوای داخلی محیط اما نه در هوای بازدم، توزیع VOC بسته به محل نمونه‌برداری متفاوت است، تجزیه و تحلیل بدون نظارت با استفاده از PCA جدایی بین نمونه‌های هوای داخلی جمع‌آوری‌شده در مکان‌های مختلف را نشان می‌دهد اما نمونه‌های هوای بازدم مربوطه را نشان نمی‌دهد. ستاره‌ها نشان‌دهنده مراکز گروه هستند.
در این مطالعه، ما توزیع VOC های هوای داخل ساختمان را در پنج محل نمونه‌برداری تنفسی رایج تجزیه و تحلیل کردیم تا درک بهتری از تأثیر سطوح VOC پس‌زمینه بر آنالیز تنفس به دست آوریم.
جداسازی نمونه‌های هوای داخل ساختمان در هر پنج مکان مختلف مشاهده شد. به استثنای 3-carene که در تمام مناطق مورد مطالعه وجود داشت، جداسازی توسط VOC های مختلف ایجاد شده بود که به هر مکان ویژگی خاصی می‌بخشید. در زمینه ارزیابی آندوسکوپی، ترکیبات آلی فرار القاکننده جداسازی عمدتاً مونوترپن‌هایی مانند بتا-پینن و آلکان‌هایی مانند دودکان، آندکان و تری‌دکان هستند که معمولاً در روغن‌های اساسی مورد استفاده در محصولات تمیزکننده یافت می‌شوند 13. با توجه به تمیز کردن مکرر دستگاه‌های آندوسکوپی، این VOC ها احتمالاً نتیجه فرآیندهای تمیز کردن مکرر داخل ساختمان هستند. در آزمایشگاه‌های تحقیقات بالینی، مانند آندوسکوپی، جداسازی عمدتاً به دلیل مونوترپن‌هایی مانند آلفا-پینن است، اما احتمالاً از عوامل تمیزکننده نیز ناشی می‌شود. در اتاق عمل پیچیده، امضای VOC عمدتاً از آلکان‌های شاخه‌دار تشکیل شده است. این ترکیبات را می‌توان از ابزارهای جراحی به دست آورد زیرا سرشار از روغن و روان‌کننده هستند 14. در محیط جراحی، VOC های معمول شامل طیف وسیعی از الکل‌ها هستند: 1-نونانول، که در روغن‌های گیاهی و محصولات تمیزکننده یافت می‌شود، و بنزیل الکل، که در عطرها و بی‌حس‌کننده‌های موضعی یافت می‌شود.15،16،17،18 VOC ها در یک آزمایشگاه طیف‌سنجی جرمی با آنچه در سایر زمینه‌ها انتظار می‌رود بسیار متفاوت هستند، زیرا این تنها حوزه غیربالینی ارزیابی شده است. در حالی که برخی از مونوترپن‌ها وجود دارند، گروه همگن‌تری از ترکیبات این حوزه را با سایر ترکیبات (2،2،2-تری‌فلورو-N-متیل-استامید، پیریدین، آندکان شاخه‌دار، 2-پنتیل‌فوران، اتیل‌بنزن، فورفورال، اتیل‌انیسیت)، ارتوزایلن، متا-زایلن، ایزوپروپانول و 3-کارن)، از جمله هیدروکربن‌های آروماتیک و الکل‌ها، به اشتراک می‌گذارند. برخی از این VOC ها ممکن است ثانویه به مواد شیمیایی مورد استفاده در آزمایشگاه باشند که شامل هفت سیستم طیف‌سنجی جرمی است که در حالت‌های TD و تزریق مایع کار می‌کنند.
با PLS-DA، جداسازی قوی هوای داخل و نمونه‌های تنفسی مشاهده شد که ناشی از 62 مورد از 113 VOC شناسایی شده بود. در هوای داخل، این VOCها برون‌زا هستند و شامل دی‌ایزوپروپیل فتالات، بنزوفنون، استوفنون و بنزیل الکل می‌شوند که معمولاً در نرم‌کننده‌ها و عطرها استفاده می‌شوند19،20،21،22 که دومی را می‌توان در محصولات تمیزکننده یافت16. مواد شیمیایی موجود در هوای بازدم ترکیبی از VOCهای درون‌زا و برون‌زا هستند. VOCهای درون‌زا عمدتاً از آلکان‌های شاخه‌دار تشکیل شده‌اند که محصولات جانبی پراکسیداسیون لیپید هستند23 و ایزوپرن، محصول جانبی سنتز کلسترول24. VOCهای برون‌زا شامل مونوترپن‌هایی مانند بتا-پینن و D-لیمونن هستند که می‌توان آنها را در روغن‌های اساسی مرکبات (که به طور گسترده در محصولات تمیزکننده استفاده می‌شوند) و مواد نگهدارنده مواد غذایی ردیابی کرد13،25. 1-پروپانول می‌تواند یا درون‌زا باشد که از تجزیه اسیدهای آمینه حاصل می‌شود، یا برون‌زا باشد که در مواد ضدعفونی‌کننده وجود دارد26. در مقایسه با تنفس هوای داخل ساختمان، سطوح بالاتری از ترکیبات آلی فرار یافت می‌شود که برخی از آنها به عنوان نشانگرهای زیستی احتمالی بیماری شناسایی شده‌اند. اتیل بنزن به عنوان یک نشانگر زیستی بالقوه برای تعدادی از بیماری‌های تنفسی، از جمله سرطان ریه، COPD27 و فیبروز ریوی28 نشان داده شده است. در مقایسه با بیماران بدون سرطان ریه، سطوح N-دودکان و زایلن نیز در غلظت‌های بالاتر در بیماران مبتلا به سرطان ریه29 و متاسایمول در بیماران مبتلا به کولیت اولسراتیو فعال30 یافت شده است. بنابراین، حتی اگر تفاوت‌های هوای داخل ساختمان بر مشخصات کلی تنفس تأثیر نگذارد، می‌تواند بر سطوح خاص VOC تأثیر بگذارد، بنابراین نظارت بر هوای پس‌زمینه داخل ساختمان ممکن است همچنان مهم باشد.
همچنین بین نمونه‌های هوای داخل ساختمان که در صبح و بعد از ظهر جمع‌آوری شده بودند، جدایی وجود داشت. ویژگی‌های اصلی نمونه‌های صبح، آلکان‌های شاخه‌دار هستند که اغلب به صورت برون‌زا در محصولات پاک‌کننده و واکس‌ها یافت می‌شوند31. این را می‌توان با این واقعیت توضیح داد که هر چهار اتاق بالینی که در این مطالعه مورد بررسی قرار گرفتند، قبل از نمونه‌برداری هوای اتاق تمیز شده بودند. تمام مناطق بالینی توسط VOC های مختلف از هم جدا شده‌اند، بنابراین این جدایی را نمی‌توان به تمیز کردن نسبت داد. در مقایسه با نمونه‌های صبح، نمونه‌های بعد از ظهر عموماً سطوح بالاتری از مخلوطی از الکل‌ها، هیدروکربن‌ها، استرها، کتون‌ها و آلدئیدها را نشان دادند. 1-پروپانول و فنل هر دو را می‌توان در مواد ضدعفونی‌کننده یافت26،32 که با توجه به تمیز کردن منظم کل منطقه بالینی در طول روز، انتظار می‌رود. تنفس فقط در صبح جمع‌آوری می‌شود. این به دلیل عوامل بسیاری است که می‌توانند بر سطح ترکیبات آلی فرار در هوای بازدم در طول روز تأثیر بگذارند، که قابل کنترل نیستند. این شامل مصرف نوشیدنی‌ها و غذا33،34 و درجات مختلف ورزش35،36 قبل از نمونه‌برداری تنفس است.
تجزیه و تحلیل VOC همچنان در خط مقدم توسعه تشخیص غیرتهاجمی است. استانداردسازی نمونه‌برداری همچنان یک چالش است، اما تجزیه و تحلیل ما به طور قطعی نشان داد که هیچ تفاوت معنی‌داری بین نمونه‌های تنفسی جمع‌آوری‌شده در مکان‌های مختلف وجود ندارد. در این مطالعه، ما نشان دادیم که محتوای ترکیبات آلی فرار در هوای داخلی محیط به مکان و زمان روز بستگی دارد. با این حال، نتایج ما همچنین نشان می‌دهد که این امر تأثیر قابل توجهی بر توزیع ترکیبات آلی فرار در هوای بازدم ندارد، که نشان می‌دهد نمونه‌برداری تنفسی می‌تواند در مکان‌های مختلف بدون تأثیر قابل توجه بر نتایج انجام شود. ترجیح داده می‌شود که چندین مکان را در نظر بگیرید و جمع‌آوری نمونه‌ها را در دوره‌های زمانی طولانی‌تر تکرار کنید. در نهایت، جداسازی هوای داخلی از مکان‌های مختلف و عدم جداسازی در هوای بازدم به وضوح نشان می‌دهد که مکان نمونه‌برداری تأثیر قابل توجهی بر ترکیب تنفس انسان ندارد. این امر برای تحقیقات تجزیه و تحلیل تنفس دلگرم‌کننده است زیرا یک عامل مخدوش‌کننده بالقوه را در استانداردسازی جمع‌آوری داده‌های تنفسی حذف می‌کند. اگرچه همه الگوهای تنفسی از یک فرد، محدودیت مطالعه ما بود، اما ممکن است تفاوت‌ها در سایر عوامل مخدوش‌کننده که تحت تأثیر رفتار انسان هستند را کاهش دهد. پروژه‌های تحقیقاتی تک رشته‌ای قبلاً با موفقیت در بسیاری از مطالعات مورد استفاده قرار گرفته‌اند37. با این حال، برای نتیجه‌گیری قطعی، تجزیه و تحلیل بیشتری لازم است. نمونه‌برداری روتین از هوای داخل ساختمان، همراه با نمونه‌برداری از تنفس برای رد ترکیبات برون‌زا و شناسایی آلاینده‌های خاص، همچنان توصیه می‌شود. ما توصیه می‌کنیم الکل ایزوپروپیل به دلیل شیوع آن در محصولات پاک‌کننده، به ویژه در محیط‌های مراقبت‌های بهداشتی، حذف شود. این مطالعه به دلیل تعداد نمونه‌های تنفسی جمع‌آوری‌شده در هر مکان محدود بود و برای تأیید اینکه ترکیب تنفس انسان تأثیر قابل‌توجهی بر زمینه‌ای که نمونه‌ها در آن یافت می‌شوند، ندارد، کار بیشتری با تعداد بیشتری از نمونه‌های تنفسی مورد نیاز است. علاوه بر این، داده‌های رطوبت نسبی (RH) جمع‌آوری نشد و در حالی که ما اذعان داریم که تفاوت در RH می‌تواند بر توزیع VOC تأثیر بگذارد، چالش‌های لجستیکی در هر دو کنترل RH و جمع‌آوری داده‌های RH در مطالعات در مقیاس بزرگ قابل توجه است.
در نتیجه، مطالعه ما نشان می‌دهد که ترکیبات آلی فرار (VOCs) در هوای داخل ساختمان بسته به مکان و زمان متفاوت است، اما به نظر نمی‌رسد که این مورد در مورد نمونه‌های تنفسی صادق باشد. با توجه به حجم کم نمونه، نتیجه‌گیری قطعی در مورد تأثیر هوای محیط داخل ساختمان بر نمونه‌برداری تنفسی امکان‌پذیر نیست و تجزیه و تحلیل بیشتر مورد نیاز است، بنابراین توصیه می‌شود نمونه‌برداری از هوای داخل ساختمان در حین تنفس انجام شود تا هرگونه آلاینده بالقوه، یعنی VOCs، شناسایی شود.
این آزمایش به مدت ۱۰ روز کاری متوالی در بیمارستان سنت مری لندن در فوریه ۲۰۲۰ انجام شد. هر روز، دو نمونه تنفس و چهار نمونه هوای داخل ساختمان از هر پنج مکان گرفته شد که در مجموع ۳۰۰ نمونه شد. همه روش‌ها مطابق با دستورالعمل‌ها و مقررات مربوطه انجام شد. دمای هر پنج منطقه نمونه‌برداری در دمای ۲۵ درجه سانتیگراد کنترل شد.
پنج مکان برای نمونه‌برداری از هوای داخل ساختمان انتخاب شدند: آزمایشگاه ابزار طیف‌سنجی جرمی، بخش جراحی سرپایی، اتاق عمل، منطقه ارزیابی، منطقه ارزیابی آندوسکوپی و اتاق مطالعه بالینی. هر منطقه به این دلیل انتخاب شد که تیم تحقیقاتی ما اغلب از آنها برای جذب شرکت‌کنندگان برای تجزیه و تحلیل تنفس استفاده می‌کند.
هوای اتاق از طریق لوله‌های واجذب حرارتی (TD) Tenax TA/Carbograph با پوشش خنثی (Markes International Ltd، Llantrisan، UK) با سرعت ۲۵۰ میلی‌لیتر در دقیقه به مدت ۲ دقیقه با استفاده از پمپ نمونه‌برداری هوا از SKC Ltd. نمونه‌برداری شد. سختی کلی: ۵۰۰ میلی‌لیتر از هوای محیط اتاق را به هر لوله TD اضافه کنید. سپس لوله‌ها با درپوش‌های برنجی برای انتقال به آزمایشگاه طیف‌سنجی جرمی مهر و موم شدند. نمونه‌های هوای داخل ساختمان به نوبت در هر مکان هر روز از ساعت ۹:۰۰ تا ۱۱:۰۰ و دوباره از ساعت ۱۵:۰۰ تا ۱۷:۰۰ گرفته شد. نمونه‌ها به صورت تکراری گرفته شدند.
نمونه‌های تنفسی از افراد مورد آزمایش که در معرض نمونه‌برداری از هوای داخل ساختمان قرار داشتند، جمع‌آوری شد. فرآیند نمونه‌گیری تنفسی طبق پروتکل تأیید شده توسط کمیته اخلاق تحقیقاتی مرکز تحقیقات سلامت NHS - لندن - کامدن و کینگز کراس (مرجع 14/LO/1136) انجام شد. فرآیند نمونه‌گیری تنفسی طبق پروتکل تأیید شده توسط کمیته اخلاق تحقیقاتی مرکز تحقیقات سلامت NHS - لندن - کامدن و کینگز کراس (مرجع 14/LO/1136) انجام شد. Process отбора проб дыхания проводился в соответствии со протоколом, تاییدным Управлением медицинских исследований NHS — لندن — Comite по этике исследований Camden & Kings Cross (ссылка 14/LO/1136). فرآیند نمونه‌گیری تنفسی مطابق با پروتکل تأیید شده توسط کمیته اخلاق تحقیقاتی مرکز تحقیقات پزشکی NHS - لندن - Camden & Kings Cross (مرجع 14/LO/1136) انجام شد.روش نمونه‌گیری تنفس مطابق با پروتکل‌های تأیید شده توسط آژانس تحقیقات پزشکی NHS-London-Camden و کمیته اخلاق تحقیقاتی King's Cross (مرجع 14/LO/1136) انجام شد. محقق رضایت کتبی آگاهانه داد. برای اهداف عادی‌سازی، محققان از نیمه‌شب شب قبل چیزی نخورده بودند و ننوشیده بودند. تنفس با استفاده از یک کیسه یکبار مصرف Nalophan™ (پلی‌اتیلن ترفتالات PET) سفارشی 1000 میلی‌لیتری و یک سرنگ پلی‌پروپیلن که به عنوان دهانه مهر و موم شده استفاده می‌شد، همانطور که قبلاً توسط Belluomo و همکارانش توضیح داده شده بود، جمع‌آوری شد. نشان داده شده است که Nalofan به دلیل بی‌اثر بودن و توانایی ایجاد پایداری ترکیب تا 12 ساعت، یک محیط ذخیره‌سازی تنفسی عالی است38. با ماندن در این موقعیت حداقل 10 دقیقه، معاینه‌کننده در حین تنفس آرام طبیعی، در کیسه نمونه بازدم می‌کند. پس از پر شدن تا حداکثر حجم، کیسه با یک پیستون سرنگ بسته می‌شود. همانند نمونه‌برداری از هوای داخل ساختمان، از پمپ نمونه‌برداری هوای SKC Ltd. به مدت 10 دقیقه برای کشیدن هوا از کیسه از طریق لوله TD استفاده کنید: یک سوزن با قطر بزرگ و بدون فیلتر را از طریق لوله‌های پلاستیکی و SKC به پمپ هوا در انتهای دیگر لوله TD وصل کنید. کیسه را سوراخ کنید و به مدت 2 دقیقه با سرعت 250 میلی‌لیتر در دقیقه از طریق هر لوله TD نفس بکشید و در مجموع 500 میلی‌لیتر نفس را در هر لوله TD قرار دهید. نمونه‌ها دوباره به صورت تکراری جمع‌آوری شدند تا تنوع نمونه‌گیری به حداقل برسد. تنفس‌ها فقط در صبح جمع‌آوری می‌شوند.
لوله‌های TD با استفاده از دستگاه تهویه لوله TC-20 TD (Markes International Ltd، Llantrisant، انگلستان) به مدت 40 دقیقه در دمای 330 درجه سانتیگراد با جریان نیتروژن 50 میلی‌لیتر در دقیقه تمیز شدند. همه نمونه‌ها ظرف 48 ساعت پس از جمع‌آوری با استفاده از GC-TOF-MS آنالیز شدند. یک دستگاه GC مدل Agilent Technologies 7890A با یک دستگاه واجذب حرارتی TD100-xr و یک BenchTOF Select MS (Markes International Ltd، Llantrisan، انگلستان) جفت شد. لوله TD در ابتدا به مدت 1 دقیقه با سرعت جریان 50 میلی‌لیتر در دقیقه پیش‌شستشو داده شد. واجذب اولیه در دمای 250 درجه سانتیگراد به مدت 5 دقیقه با جریان هلیوم 50 میلی‌لیتر در دقیقه برای واجذب VOCها بر روی یک تله سرد (Material Emissions، Markes International، Llantrisant، انگلستان) در حالت تقسیم (1:10) در دمای 25 درجه سانتیگراد انجام شد. واجذب تله سرد (ثانویه) در دمای ۲۵۰ درجه سانتیگراد (با گرمایش بالستیک ۶۰ درجه سانتیگراد بر ثانیه) به مدت ۳ دقیقه با سرعت جریان ۵.۷ میلی‌لیتر بر دقیقه انجام شد و دمای مسیر جریان به GC به طور مداوم تا ۲۰۰ درجه سانتیگراد گرم شد. ستون مورد استفاده، ستون Mega WAX-HT (20 متر × ۰.۱۸ میلی‌متر × ۰.۱۸ میکرومتر، کرومالیتیک، همپشایر، ایالات متحده آمریکا) بود. سرعت جریان ستون روی ۰.۷ میلی‌لیتر بر دقیقه تنظیم شد. دمای فر ابتدا به مدت ۱.۹ دقیقه روی ۳۵ درجه سانتیگراد تنظیم شد، سپس به ۲۴۰ درجه سانتیگراد افزایش یافت (۲۰ درجه سانتیگراد بر دقیقه، به مدت ۲ دقیقه). خط انتقال MS در دمای ۲۶۰ درجه سانتیگراد و منبع یون (برخورد الکترون ۷۰ الکترون ولت) در دمای ۲۶۰ درجه سانتیگراد حفظ شد. آنالیزور MS برای ثبت از ۳۰ تا ۵۹۷ متر بر ثانیه تنظیم شد. واجذب در یک تله سرد (بدون لوله TD) و واجذب در یک لوله TD تمیز و آماده در ابتدا و انتهای هر آزمایش انجام شد تا از عدم وجود اثرات انتقالی اطمینان حاصل شود. همان آنالیز شاهد بلافاصله قبل و بلافاصله پس از واجذب نمونه‌های تنفسی انجام شد تا اطمینان حاصل شود که نمونه‌ها می‌توانند بدون تنظیم TD به طور مداوم آنالیز شوند.
پس از بررسی بصری کروماتوگرام‌ها، فایل‌های داده‌های خام با استفاده از Chromspace® (Sepsolve Analytical Ltd.) تجزیه و تحلیل شدند. ترکیبات مورد نظر از نمونه‌های تنفسی و هوای اتاق شناسایی شدند. حاشیه‌نویسی بر اساس طیف جرمی VOC و شاخص بازداری با استفاده از کتابخانه طیف جرمی NIST 2017 انجام شد. شاخص‌های بازداری با تجزیه و تحلیل مخلوطی از آلکان‌ها (nC8-nC40، 500 میکروگرم در میلی‌لیتر در دی‌کلرومتان، مرک، ایالات متحده) محاسبه شدند. 1 میکرولیتر از طریق دستگاه بارگذاری محلول کالیبراسیون به سه لوله TD آماده‌سازی شده منتقل شد و تحت همان شرایط TD-GC-MS تجزیه و تحلیل شد و از لیست ترکیبات خام، فقط ترکیباتی که ضریب تطابق معکوس > 800 داشتند برای تجزیه و تحلیل نگه داشته شدند. شاخص‌های بازداری با آنالیز مخلوط آلکان (nC8-nC40، 500 میکروگرم در میلی‌لیتر در دی‌کلرومتان، مرک، ایالات متحده) محاسبه شدند. 1 میکرولیتر از طریق دستگاه بارگذاری محلول کالیبراسیون به سه لوله TD آماده شده منتقل شد و تحت همان شرایط TD-GC-MS آنالیز شد و از لیست ترکیبات خام، فقط ترکیباتی که ضریب تطابق معکوس > 800 داشتند برای آنالیز نگه داشته شدند.شاخص‌های بازداری با آنالیز 1 میکرولیتر از مخلوطی از آلکان‌ها (nC8-nC40، 500 میکروگرم در میلی‌لیتر در دی‌کلرومتان، مرک، ایالات متحده) در سه لوله TD شرطی‌شده با استفاده از واحد بارگذاری محلول کالیبراسیون محاسبه و تحت همان شرایط TD-GC-MS آنالیز شدند.и из исходного списка соединений для анализа были оставлены только соединения с коэффициентом обратного совпадения > 800. و از فهرست اصلی ترکیبات، فقط ترکیباتی با ضریب تطابق معکوس > 800 برای تجزیه و تحلیل نگه داشته شدند.通过分析烷烃混合物（nC8-nC40，500μg/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 8 0的化合物进行分析.شاخص‌های بازداری با تجزیه و تحلیل مخلوطی از آلکان‌ها (nC8-nC40، 500 میکروگرم در میلی‌لیتر در دی‌کلرومتان، مرک، ایالات متحده آمریکا) محاسبه شدند، 1 میکرولیتر با کالیبره کردن دستگاه بارگذاری محلول به سه لوله TD شرطی اضافه شد و در آنجا اضافه شد.выполненных в тех же условиях TD-GC-MS и из исходного списка соединений, для анализа были оставлены только соединения с коэффициентом обратного соответствия > 800. تحت همان شرایط TD-GC-MS و از فهرست ترکیبات اصلی انجام شد، تنها ترکیباتی با ضریب برازش معکوس > 800 برای تجزیه و تحلیل حفظ شدند.اکسیژن، آرگون، دی اکسید کربن و سیلوکسان ها نیز حذف می شوند. در نهایت، هر ترکیبی که نسبت سیگنال به نویز کمتر از ۳ داشت نیز حذف شد. در نهایت، هر ترکیبی که نسبت سیگنال به نویز کمتر از ۳ داشت نیز حذف شد. Наконец, любые соединения с отношением сигнал/шум <3 также были исключены. در نهایت، هر ترکیبی که نسبت سیگنال به نویز کمتر از ۳ داشت نیز حذف شد.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. در نهایت، هر ترکیبی که نسبت سیگنال به نویز کمتر از ۳ داشت نیز حذف شد.سپس فراوانی نسبی هر ترکیب با استفاده از فهرست ترکیبات حاصل، از تمام فایل‌های داده استخراج شد. در مقایسه با NIST 2017، 117 ترکیب در نمونه‌های تنفسی شناسایی شده‌اند. انتخاب با استفاده از نرم‌افزار MATLAB R2018b (نسخه 9.5) و Gavin Beta 3.0 انجام شد. پس از بررسی بیشتر داده‌ها، 4 ترکیب دیگر با بررسی بصری کروماتوگرام‌ها حذف شدند و 113 ترکیب برای تجزیه و تحلیل بعدی باقی ماند. فراوانی این ترکیبات از هر 294 نمونه که با موفقیت پردازش شدند، بازیابی شد. شش نمونه به دلیل کیفیت پایین داده‌ها (لوله‌های TD نشت‌دار) حذف شدند. در مجموعه داده‌های باقی‌مانده، همبستگی‌های یک‌طرفه پیرسون بین 113 VOC در نمونه‌های اندازه‌گیری مکرر برای ارزیابی تکرارپذیری محاسبه شد. ضریب همبستگی 0.990 ± 0.016 و مقدار p برابر با 2.00 × 10-46 ± 2.41 × 10-45 (میانگین حسابی ± انحراف معیار) بود.
تمام تحلیل‌های آماری بر روی نسخه ۴.۰.۲ نرم‌افزار R (بنیاد محاسبات آماری R، وین، اتریش) انجام شد. داده‌ها و کد مورد استفاده برای تحلیل و تولید داده‌ها به صورت عمومی در GitHub (https://github.com/simonezuffa/Manuscript_Breath) در دسترس است. پیک‌های یکپارچه ابتدا تبدیل لگاریتمی شده و سپس با استفاده از نرمال‌سازی کل مساحت نرمال‌سازی شدند. نمونه‌هایی با اندازه‌گیری‌های مکرر تا مقدار میانگین به صورت رول جمع شدند. بسته‌های "ropls" و "mixOmics" برای ایجاد مدل‌های PCA بدون نظارت و مدل‌های PLS-DA تحت نظارت استفاده می‌شوند. PCA به شما امکان می‌دهد ۹ نمونه پرت را شناسایی کنید. نمونه تنفس اولیه با نمونه هوای اتاق گروه‌بندی شد و بنابراین به دلیل خطای نمونه‌برداری، یک لوله خالی در نظر گرفته شد. ۸ نمونه باقی‌مانده، نمونه‌های هوای اتاق حاوی ۱،۱′-بی‌فنیل، ۳-متیل هستند. آزمایش‌های بیشتر نشان داد که هر ۸ نمونه در مقایسه با سایر نمونه‌ها، تولید VOC به طور قابل توجهی کمتری داشتند، که نشان می‌دهد این انتشارات ناشی از خطای انسانی در بارگیری لوله‌ها بوده است. جداسازی مکان در PCA با استفاده از PERMANOVA از یک بسته vegan آزمایش شد. PERMANOVA به شما امکان می‌دهد تقسیم گروه‌ها را بر اساس مراکز ثقل شناسایی کنید. این روش قبلاً در مطالعات متابولومیک مشابه39،40،41 استفاده شده است. بسته ropls برای ارزیابی اهمیت مدل‌های PLS-DA با استفاده از اعتبارسنجی متقاطع هفت‌گانه تصادفی و 999 جایگشت استفاده می‌شود. ترکیباتی که امتیاز پیش‌بینی اهمیت متغیر (VIP) آنها > 1 بود، برای طبقه‌بندی مرتبط در نظر گرفته شدند و به عنوان ترکیبات معنی‌دار حفظ شدند. ترکیباتی که امتیاز پیش‌بینی اهمیت متغیر (VIP) آنها > 1 بود، برای طبقه‌بندی مرتبط در نظر گرفته شدند و به عنوان ترکیبات معنی‌دار حفظ شدند. Соединения с показателем проекции переменной важности (VIP) > 1 считались подходящими для классификации и сохранялись как значимые. ترکیباتی که امتیاز پیش‌بینی اهمیت متغیر (VIP) > 1 داشتند، واجد شرایط طبقه‌بندی در نظر گرفته شدند و به عنوان ترکیبات معنی‌دار حفظ شدند.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留具有可变重要性投影(VIP) 分数> 1 Соединения с оценкой переменной важности (VIP) > 1 scitalisь подходящими для классификации и оставились значимыми. ترکیباتی با امتیاز اهمیت متغیر (VIP) > 1 واجد شرایط طبقه‌بندی در نظر گرفته شدند و همچنان معنی‌دار باقی ماندند.بارهای مدل PLS-DA نیز برای تعیین سهم گروه‌ها استخراج شدند. ترکیبات آلی فرار (VOCs) برای یک مکان خاص بر اساس اجماع مدل‌های جفت‌شده PLS-DA تعیین می‌شوند. برای انجام این کار، پروفایل‌های VOCهای تمام مکان‌ها در مقابل یکدیگر آزمایش شدند و اگر یک VOC با VIP > 1 در مدل‌ها دائماً معنی‌دار بود و به همان مکان نسبت داده می‌شد، آنگاه مختص مکان در نظر گرفته شد. برای انجام این کار، پروفایل‌های VOCهای تمام مکان‌ها در مقابل یکدیگر آزمایش شدند و اگر یک VOC با VIP > 1 در مدل‌ها دائماً معنی‌دار بود و به همان مکان نسبت داده می‌شد، آنگاه مختص مکان در نظر گرفته شد. اگر این پروفایل LOS همه مکانهای پیشنهادی است، و یا LOS با VIP> 1 относился к одному и тому же месту، тогда он считался специфичным для местоположения. برای انجام این کار، پروفایل‌های VOC همه مکان‌ها در مقابل یکدیگر آزمایش شدند و اگر یک VOC با VIP > 1 به طور مداوم در مدل‌ها معنی‌دار بود و به همان مکان اشاره داشت، آنگاه مختص مکان در نظر گرفته شد.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 voc 在 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 位置 位置اگر این پروفایل تمام LOS در همه مکان‌ها وجود داشته باشد، با دیگران همراه باشد، و LOS با VIP если он был постоянно значимым в модели и относился к одному и тому же местоположению. برای این منظور، پروفایل‌های VOC در تمام مکان‌ها با یکدیگر مقایسه شدند و یک VOC با VIP > 1 در صورتی که در مدل به طور مداوم معنی‌دار بود و به همان مکان اشاره داشت، وابسته به مکان در نظر گرفته شد.مقایسه نمونه‌های هوای بازدم و هوای داخل ساختمان فقط برای نمونه‌های گرفته شده در صبح انجام شد، زیرا هیچ نمونه تنفسی در بعد از ظهر گرفته نشد. برای تجزیه و تحلیل تک متغیره از آزمون ویلکاکسون استفاده شد و میزان کشف کاذب با استفاده از تصحیح بنجامینی-هاچبرگ محاسبه شد.
مجموعه داده‌های تولید شده و تحلیل شده در طول مطالعه حاضر، بنا به درخواست معقول، از نویسندگان مربوطه در دسترس هستند.
عمان، آ. و همکاران. مواد فرار انسانی: ترکیبات آلی فرار (VOCs) در هوای بازدم، ترشحات پوست، ادرار، مدفوع و بزاق. مجله تنفس. 8(3)، 034001 (2014).
بلومو، آی. و همکاران. طیف‌سنجی جرمی لوله جریان یونی انتخابی برای تجزیه و تحلیل هدفمند ترکیبات آلی فرار در تنفس انسان. پروتکل ملی. 16(7)، 3419–3438 (2021).
هانا، جی بی، بوشیر، پی آر، مارکار، اس آر و رومانو، ای. دقت و چالش‌های روش‌شناختی آزمایش‌های بازدم مبتنی بر ترکیبات آلی فرار برای تشخیص سرطان. هانا، جی بی، بوشیر، پی آر، مارکار، اس آر و رومانو، ای. دقت و چالش‌های روش‌شناختی آزمایش‌های بازدم مبتنی بر ترکیبات آلی فرار برای تشخیص سرطان.خانا، جی‌بی، بوشایر، پی‌آر، مارکار، اس‌آر. و رومانو، ای. دقت و مسائل روش‌شناختی آزمایش‌های هوای خروجی مبتنی بر ترکیبات آلی فرار برای تشخیص سرطان. Hanna، GB، Boshier، PR، Markar، SR & 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挑昈 هانا، جی.بی.، بوشیر، پی.آر.، مارکار، اس.آر. و رومانو، ای. دقت و چالش‌های روش‌شناختی در تشخیص سرطان بر اساس ترکیبات آلی فرار.خانا، جی‌بی، بوشایر، پی‌آر، مارکار، اس‌آر. و رومانو، ای. دقت و مسائل روش‌شناختی آزمایش تنفس ترکیبات آلی فرار در تشخیص سرطان.مجله JAMA Oncol. 5(1)، e182815 (2019).
بوشیر، پی آر، کوشنیر، جی آر، پریست، اوهایو، مارکزین، ان. و هانا، جی بی. تغییرات در سطوح گازهای فرار کمیاب در سه محیط بیمارستانی: پیامدهایی برای آزمایش تنفس بالینی. بوشیر، پی آر، کوشنیر، جی آر، پریست، اوهایو، مارکزین، ان. و هانا، جی بی. تغییرات در سطوح گازهای فرار کمیاب در سه محیط بیمارستانی: پیامدهایی برای آزمایش تنفس بالینی.بوشیر، پی آر، کوشنیر، جی آر، پریست، اوهایو، مارچین، ان. و خانا، جی بی. تفاوت در سطوح گازهای فرار کمیاب در سه محیط بیمارستانی: اهمیت برای آزمایش تنفس بالینی. Boshier، PR، Cushnir، JR، Priest، OH، Marczin، N. & 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. & Hanna، GBبوشیر، پی آر، کوشنیر، جی آر، پریست، اوهایو، مارچین، ان. و خانا، جی بی. تغییرات در سطح گازهای فرار کمیاب در سه محیط بیمارستانی: اهمیت برای آزمایش تنفس بالینی.مجله پژوهش‌های مذهبی. 4(3)، 031001 (2010).
ترفز، پی. و همکاران. پایش مداوم و بلادرنگ گازهای تنفسی در محیط‌های بالینی با استفاده از طیف‌سنجی جرمی زمان پرواز واکنش انتقال پروتون. anus. Chemical. 85(21)، 10321-10329 (2013).
کاستلانوس، م.، زیفرا، گ.، فرناندز-رئال، ج. م. و سانچز، ج. م. غلظت گازهای تنفسی، منعکس کننده مواجهه با سووفلوران و ایزوپروپیل الکل در محیط‌های بیمارستانی در شرایط غیرشغلی است. کاستلانوس، م.، زیفرا، گ.، فرناندز-رئال، ج. م. و سانچز، ج. م. غلظت گازهای تنفسی، منعکس کننده مواجهه با سووفلوران و ایزوپروپیل الکل در محیط‌های بیمارستانی در شرایط غیرشغلی است.کاستلانوس، م.، زیفرا، گ.، فرناندز-رئال، ج. م. و سانچز، ج. م. غلظت گازهای بازدمی، منعکس کننده مواجهه با سووفلوران و ایزوپروپیل الکل در محیط بیمارستانی در یک محیط غیرشغلی است. Castellanos، M.، Xifra، G.، Fernández-Real، JM & 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陆 Castellanos، M.، Xifra، G.، Fernández-Real، JM & Sánchez، JMکاستلانوس، م.، زیفرا، گ.، فرناندز-رئال، ج. م. و سانچز، ج. م. غلظت گازهای راه هوایی، منعکس کننده مواجهه با سووفلوران و ایزوپروپانول در محیط بیمارستانی در یک محیط غیرتخصصی است.مجله تنفس. 10(1)، 016001 (2016).
مارکار اس آر و همکاران. آزمایش‌های تنفسی غیرتهاجمی را برای تشخیص سرطان مری و معده ارزیابی کنید. JAMA Oncol. 4(7)، 970-976 (2018).
سلمان، دی. و همکاران. تنوع ترکیبات آلی فرار در هوای داخل ساختمان در یک محیط بالینی. مجله تنفس. 16(1)، 016005 (2021).
فیلیپس، م. و همکاران. نشانگرهای فرار تنفسی سرطان سینه. مجله سینه. 9 (3)، 184–191 (2003).
فیلیپس، م.، گرینبرگ، ج. و ساباس، م. گرادیان آلوئولی پنتان در تنفس طبیعی انسان. فیلیپس، م.، گرینبرگ، ج. و ساباس، م. گرادیان آلوئولی پنتان در تنفس طبیعی انسان.فیلیپس ام، گرینبرگ جی و ساباس ام. گرادیان پنتان آلوئولی در تنفس طبیعی انسان. فیلیپس، ام.، گرینبرگ، جی و ساباس، ام. 正常人呼吸中戊烷的肺泡梯度. فیلیپس، م.، گرینبرگ، ج. و ساباس، م.فیلیپس ام، گرینبرگ جی و ساباس ام. گرادیان‌های پنتان آلوئولی در تنفس طبیعی انسان.رادیکال‌های آزاد. مخزن ذخیره‌سازی. 20(5)، 333–337 (1994).
هارشمن اس.وی و همکاران. توصیف نمونه‌برداری استاندارد تنفس برای استفاده آفلاین در محل. مجله تنفس. 14(1)، 016009 (2019).
مورر، اف. و همکاران. آلاینده‌های هوای محیط را برای اندازه‌گیری هوای بازدم شستشو دهید. مجله تنفس. 8(2)، 027107 (2014).
صالحی، ب. و همکاران. پتانسیل درمانی آلفا و بتا-پینن: هدیه معجزه‌آسای طبیعت. بیومولکول‌ها 9 (11)، 738 (2019).
پنل اطلاعات شیمیایی CompTox – بنزیل الکل. https://comptox.epa.gov/dashboard/dsstoxdb/results?search=DTXSID5020152#chemical-functional-use (دسترسی در ۲۲ سپتامبر ۲۰۲۱).
آلفا ایسار – الکل بنزیل L03292، 99٪. https://www.alfa.com/en/catalog/L03292/ (دسترسی در 22 سپتامبر 2021).
شرکت عطرهای خوب - الکل بنزیل. http://www.thegoodscentscompany.com/data/rw1001652.html (دسترسی در ۲۲ سپتامبر ۲۰۲۱).
پنل شیمیایی CompTox، دی‌ایزوپروپیل فتالات است. https://comptox.epa.gov/dashboard/dsstoxdb/results?search=DTXSID2040731 (دسترسی در ۲۲ سپتامبر ۲۰۲۱).
انسان‌ها، گروه کاری IARC در ارزیابی ریسک سرطان‌زایی. بنزوفنون. : آژانس بین‌المللی تحقیقات سرطان (۲۰۱۳).
شرکت Good Scents – استوفنون. http://www.thegoodscentscompany.com/data/rw1000131.html#tooccur (دسترسی در ۲۲ سپتامبر ۲۰۲۱).
ون گوسوم، آ. و دکویپر، جی. آلکان‌های تنفسی به عنوان شاخصی از پراکسیداسیون لیپید. ون گوسوم، آ. و دکویپر، جی. آلکان‌های تنفسی به عنوان شاخصی از پراکسیداسیون لیپید.ون گوسوم، آ. و دکویپر، جی. تنفس آلکان به عنوان شاخصی از پراکسیداسیون لیپید. Van Gossum، A. & Decuyper، J. Breath 烷烃作为脂质过氧化的指标. ون گوسوم، آ. و دیکویپر، جی. آلکان های نفس به عنوان شاخصی ازون گوسوم، آ. و دکویپر، جی. تنفس آلکان به عنوان شاخصی از پراکسیداسیون لیپید.مجله کشوری یورو 2(8)، 787–791 (1989).
سالرنو-کندی، آر. و کشمن، کی. دی. کاربردهای بالقوه ایزوپرن تنفسی به عنوان یک نشانگر زیستی در پزشکی مدرن: مروری مختصر. سالرنو-کندی، آر. و کشمن، کی. دی. کاربردهای بالقوه ایزوپرن تنفسی به عنوان یک نشانگر زیستی در پزشکی مدرن: مروری مختصر. سالرنو-کندی، آر. و کشمن، کی‌دیکاربردهای احتمالی ایزوپرن در تنفس به عنوان یک نشانگر زیستی در پزشکی مدرن: مروری مختصر سالرنو-کندی، آر و کشمن، کی دی 呼吸异戊二烯作为现代医学生物标志物的潜在应用：〰明概 سالرنو-کندی، آر. و کشمن، کی‌دیسالرنو-کندی، ر. و کشمن، ک.د. کاربردهای بالقوه ایزوپرن تنفسی به عنوان نشانگر زیستی برای پزشکی مدرن: مروری مختصر.Wien Klin Wochenschr 117 (5–6)، 180–186 (2005).
کوریاس ام. و همکاران. تجزیه و تحلیل هدفمند ترکیبات آلی فرار در هوای بازدم برای تمایز سرطان ریه از سایر بیماری‌های ریوی و در افراد سالم استفاده می‌شود. متابولیت‌ها 10(8)، 317 (2020).