Simultaneous Determination of 11 -Agonists in Human Urine Using High-Performance Liquid Chromatography/Tandem Mass Spectrometry with Isotope Dilution
Notice bibliographique
Résumé
The misuse of β-agonists constitutes a potential risk to public health and has been forbidden in many countries. In this study, we describe a method for specific, sensitive and rapid detection of β-agonists in human urine. Urine samples were extracted with ethyl acetate, without any additional purification step, and analyzed by ultra-performance liquid chromatography-tandem mass spectrometry (UPLC-MS-MS) with Clenbuterol-D9 and Salbuterol-D3 as internal standards. The intra- and interday precision values of the method were all <5.60% and the accuracy ranged from 94.5 to 109%. Extraction recovery for 11 β-agonists varied from 66.7 to 108%. One UPLC-MS-MS analysis could be completed within 12 min and the limits of detection for 11 β-agonists were 0.1 ng/mL in the experiment. β-Agonists in human urines from 24 volunteers were analyzed by our validated method and 1.70 ng/mL salbutamol was detected in one volunteer. The application of UPLC-MS-MS method in β-agonists detection of human urine will be helpful in veterinary control of β-agonists and for studying the effect of β-agonists on human health.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».