Estimating the distance to the odor source is crucial for olfactory navigation as it influences olfactory signals and navigation behavior. The derivative of a MOX gas sensors signal is considered to be associated with gas fluctuations, thereby enabling the estimation of the distance to the source. Derivatively-based methods require the calculation of differentials and can generate large amounts of data. In this study, a distance estimation method for odor sources is proposed based on spike encoding and the number of spike clusters with the cubic polynomial model. Results show that the proposed method reduces the data volume while retaining effective information. For the distance estimation of a sensor in a turbulent environment, the proposed method performs well in estimating source distance. The RMSE is 0.109 m. In conclusion, the proposed spike-based source estimation method demonstrates effective distance estimation with a single sensor for gas sources. This lays a foundation for research in gas source estimation and olfactory navigation.

Haptoglobin (HP) has been confirmed in multiple studies to be associated with various lung diseases such as lung cancer, CAP, COPD and COVID-19. To meet the needs of rapid non-invasive screening for lung diseases, saliva analysis has emerged as an alternative to serological testing. In this research, we design an automated system with 8 -channels utilizing the Love-type surface acoustic wave sensor for the detection of HP in saliva. This immunosensor primarily relies on the sandwich immunoassay and self-assembly layer of SPA. Furthermore, signal enhancement is achieved through the utilization of AuNPs and immunogold staining. The preliminary results indicate that the Love-SAW sensor assay demonstrates a good linear range for HP detection from $3.125 \sim 100 ng/mL\left(\mathrm{R}^{2}=0.9298\right.$ in PBS and $R^{2}=0.9301$ in artificial saliva), low limits of detection (LOD) ($1.39 ng/mL$ in PBS and 1.80 ng/mL in artificial saliva) and good specificity. This high-throughput device based on Love-SAW immunosensor is expected to efficiently detect various biomarkers, offering valuable insight for diagnosis and prognosis of lung diseases.

There is still a paucity of research on the relationship between triglyceride-glucose-body mass index (TyG-BMI) and long-term all-cause and cardiovascular disease (CVD) mortality in patients with chronic kidney disease (CKD). The objective of this study was to explore the relationship between the TyG-BMI index and mortality rate and to determine valuable predictive factors for the survival status of this population. Data were obtained from the National Health and Nutrition Examination Survey (NHANES 2001-2018) and the National Death Index (NDI). We used multivariate Cox regression and restricted cubic spline (RCS) to analyze the link between the TyG-BMI index and all-cause and CVD mortality. Subgroup analysis was conducted according to age, gender, race, education and poverty. In addition, receiver operating characteristic (ROC) curves were utilized to assess the differentiation of the TyG-BMI index in predicting mortality. A total of 3089 individuals were enrolled. Over a median follow-up period of 81 months, 1097 individuals passed away. The RCS analysis revealed a U-shaped link between the TyG-BMI index and all-cause and CVD mortality. The ROC curve indicated that the TyG-BMI index has a stronger diagnostic effect than the TyG index. Subgroup analysis results demonstrated that the TyG-BMI index was more significantly correlated with all-cause and CVD mortality rates in elderly patients. In the American population, a U-shaped association was discovered between the baseline TyG-BMI index and all-cause and cardiovascular mortality rates in CKD patients. The thresholds for all-cause and CVD mortality were found to be 299.31 and 294.85, respectively.