1. Repositório Institucional da UFMG
  2. Publicações Científicas e Culturais
  3. Artigo de Periódico
Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/53507
Full metadata record
DC FieldValueLanguage
dc.creatorMarcelo Saito Nogueirapt_BR
dc.creatorLeonardo Barbosa Lealpt_BR
dc.creatorWena Dantas Marcarinipt_BR
dc.creatorRaquel Lemos Pimentelpt_BR
dc.creatorMatheus Mullerpt_BR
dc.creatorPaula Frizera Vassallopt_BR
dc.creatorLuciene Cristina Gastalho Campospt_BR
dc.creatorLeonardo dos Santospt_BR
dc.creatorWilson Barros Luizpt_BR
dc.creatorJosé Geraldo Millpt_BR
dc.creatorValerio Garrone Baraunapt_BR
dc.creatorLuis Felipe das Chagas e Silva de Carvalhopt_BR
dc.date.accessioned2023-05-17T19:43:01Z-
dc.date.available2023-05-17T19:43:01Z-
dc.date.issued2021-10-11-
dc.citation.volume11pt_BR
dc.identifier.doihttps://doi.org/10.1038/s41598-021-93511-2pt_BR
dc.identifier.issn2045-2322pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/53507-
dc.description.abstractO diagnóstico precoce de COVID-19 em pacientes suspeitos é essencial para estratégias de controle de contágio e redução de danos. Investigamos a aplicabilidade da espectroscopia de infravermelho por transformada de Fourier atenuada (ATR) associada ao aprendizado de máquina em fluido de suspensão de swab orofaríngeo para prever amostras positivas de COVID-19. O estudo incluiu amostras de 243 pacientes de dois estados brasileiros. As amostras foram transportadas usando diferentes meios de transporte viral (líquido 1 ou 2). O diagnóstico clínico de COVID-19 foi realizado por RT-PCR. Construímos um modelo de classificação baseado em mínimos quadrados parciais (PLS) associados ao cosseno k-vizinhos mais próximos (KNN). Nossa análise levou a 84% e 87% de sensibilidade, 66% e 64% de especificidade e 76,9% e 78,4% de precisão para as amostras dos líquidos 1 e 2, respectivamente. Com base neste estudo de prova de conceito, acreditamos que este método pode oferecer uma solução simples, sem rótulo e econômica para triagem de alto rendimento de pacientes suspeitos para COVID-19 em centros de saúde e departamentos de emergência.pt_BR
dc.description.resumoEarly diagnosis of COVID-19 in suspected patients is essential for contagion control and damage reduction strategies. We investigated the applicability of attenuated total refection (ATR) Fourier transform infrared (FTIR) spectroscopy associated with machine learning in oropharyngeal swab suspension fuid to predict COVID-19 positive samples. The study included samples of 243 patients from two Brazilian States. Samples were transported by using diferent viral transport mediums (liquid 1 or 2). Clinical COVID-19 diagnosis was performed by the RT-PCR. We built a classifcation model based on partial least squares (PLS) associated with cosine k-nearest neighbours (KNN). Our analysis led to 84% and 87% sensitivity, 66% and 64% specifcity, and 76.9% and 78.4% accuracy for samples of liquids 1 and 2, respectively. Based on this proof-of-concept study, we believe this method could ofer a simple, label-free, cost-efective solution for high-throughput screening of suspect patients for COVID-19 in health care centres and emergency departments.pt_BR
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológicopt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.description.sponsorshipOutra Agênciapt_BR
dc.format.mimetypepdfpt_BR
dc.languageengpt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentHCL - HOSPITAL DAS CLINICASpt_BR
dc.publisher.initialsUFMGpt_BR
dc.relation.ispartofScientific Reportspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectCOVID-19pt_BR
dc.subjectMachine learningpt_BR
dc.subjectAttenuated total refectionpt_BR
dc.subjectFourier transform infrared spectroscopypt_BR
dc.subject.otherCOVID-19 (Doença)pt_BR
dc.subject.otherEspectroscopia de infravermelho com transformada de Fourierpt_BR
dc.subject.otherAmostragem (Estatística)pt_BR
dc.subject.otherAprendizado do computadorpt_BR
dc.titleRapid diagnosis of COVID-19 using FT-IR ATR spectroscopy and machine learningpt_BR
dc.title.alternativeDiagnóstico rápido de COVID-19 usando espectroscopia FT-IR ATR e aprendizado de máquinapt_BR
dc.typeArtigo de Periódicopt_BR
dc.url.externahttps://www.nature.com/articles/s41598-021-93511-2pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0002-5611-9620pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0003-0968-4202pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0003-1625-2176pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0002-5962-661Xpt_BR
dc.identifier.orcidhttps://orcid.org/0000-0002-4340-6364pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0003-3265-8547pt_BR
dc.identifier.orcidhttps://orcid.org/0000-0002-0987-368Xpt_BR
dc.identifier.orcidhttps://orcid.org/0000-0003-2832-0922pt_BR
Appears in Collections:Artigo de Periódico

Files in This Item:
File Description SizeFormat 
Rapid diagnosis of COVID-19 using FT-IR ATR spectroscopy and machine learning.pdf1.42 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.