MétaCan
Menu
Retour à la cohorte
Enregistrement W1947306180 · doi:10.1002/dta.1770

Detection and characterization of betamethasone metabolites in human urine by LC‐MS/MS

2014· article· en· W1947306180 sur OpenAlexfundno aff
Xavier Matabosch, Óscar J. Pozo, Núria Monfort, Clara Pérez‐Mañá, Magı́ Farré, Jordi Segura, Rosa Ventura

Notice bibliographique

RevueDrug Testing and Analysis · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Ciencia e InnovaciónDepartament d'Innovació, Universitats i Empresa, Generalitat de CatalunyaGeneralitat de CatalunyaWorld Anti-Doping Agency
Mots-clésUrineChromatographyBetamethasoneChemistryMedicineInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Glucocorticosteroids are prohibited in sports when administered by systemic routes and allowed using other administrations for therapeutic reasons. Therefore, markers to distinguish between routes of administration through the analysis of urine samples are needed in anti-doping control. As a first step to achieve that goal, the metabolism of betamethasone (BET) was investigated in the present work. Urine samples obtained after BET intramuscular injection were hydrolyzed with β-glucuronidase and subjected to liquid-liquid extraction with ethyl acetate in alkaline conditions. The extracts were analyzed by liquid chromatography coupled to tandem mass spectrometry. Common open screening methods for fluorine containing corticosteroids (precursor ion scan method of m/z 121, 147, 171, and neutral loss (NL) scan methods of 20 and 38 Da in positive ionization, and 46 and 76 Da in negative ionization) were applied to detect BET metabolites. Moreover, an NL method was applied to detect A-ring reduced metabolites of BET, which are ionized as [M+NH4 ](+) (NL of 55, 73, and 91 Da, corresponding to the consecutive losses of NH3 , HF and one, two and three water molecules, respectively). BET and 24 metabolites were detected. Six metabolites were identified by comparison with standards, and for ten, feasible structures were proposed based on mass spectrometric data. Eleven of the characterized metabolites had not been previously reported. Metabolites resulting from 11-oxidation, 6-hydroxylation, C20 or 4-ene-3-one reduction and combination of some of them were detected. Moreover one metabolite resulting from cleavage of the side chain with subsequent oxidation of carbon at C17 was also detected.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Testing and AnalysisMême sujetHormonal and reproductive studiesTravaux en français237 207