MétaCan
Menu
Retour à la cohorte
Enregistrement W1970807827 · doi:10.1111/j.1556-4029.2009.00998.x

Detection of Acute Diazepam Exposure in Bone and Marrow: Influence of Tissue Type and the Dose‐Death Interval on Sensitivity of Detection by ELISA with Liquid Chromatography Tandem Mass Spectrometry Confirmation*

2009· article· en· W1970807827 sur OpenAlexaff
James H. Watterson, Jolina E. Botman

Notice bibliographique

RevueJournal of Forensic Sciences · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePharmacological Effects and Assays
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésChromatographyLiquid chromatography–mass spectrometryTandem mass spectrometryDiazepamMass spectrometryMedicineChemistryPharmacology

Résumé

récupéré en direct d'OpenAlex

Enzyme-linked immunosorbent assay (ELISA) and liquid chromatography tandem mass spectrometry (LC/MS/MS) were used to detect diazepam exposure in skeletal tissues of rats (n = 15) given diazepam acutely (20 mg/kg, i.p.), and killed at various times postdose. Marrow, epiphyseal, and diaphyseal bone were isolated from extracted femora. Bone was cleaned, ground, and incubated in methanol. Marrow underwent ultrasonic homogenization. Extracts and homogenates were diluted in phosphate buffer, and then underwent solid-phase extraction and ELISA. Relative sensitivity of detection was examined in terms of relative decrease in absorbance (ELISA) and binary classification sensitivity (ELISA and LC/MS/MS). Overall, the data showed differences in relative sensitivity of detection of diazepam exposure in different tissue types (marrow > epiphyseal bone > diaphyseal bone), which is suggestive of heterogenous distribution in these tissues, and a decreasing sensitivity with increasing dose-death interval. Thus, the tissue type sampled and dose-death interval may contribute to the probability of detection of diazepam exposure in skeletal tissues.

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)0,001
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: Observationnel · Signal consensuel: aucune
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,232 · 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'étudeObservationnel
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

Citations44
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetPharmacological Effects and AssaysTravaux en français237 207