MétaCan
Menu
Retour à la cohorte
Enregistrement W2070651721 · doi:10.1081/clt-100105156

Use of Hair Analysis for Confirmation of Self-Reported Cocaine Use in Users with Negative Urine Tests

2001· article· en· W2070651721 sur OpenAlexaff
Franca Ursitti, Julia Klein, Edward M. Sellers, Gideon Koren

Notice bibliographique

RevueJournal of Toxicology Clinical Toxicology · 2001
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueForensic Toxicology and Drug Analysis
Établissements canadiensUniversity of TorontoSunnybrook Health Science CentreHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésBenzoylecgonineUrineCocaine useHair analysisCabelloMedicineCocaine dependenceBlack hairInternal medicineDermatologyAddictionPsychiatryPathologyBiology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Identification of cocaine use based on a urine test may miss many cases because of the short elimination half-life of the drug. Our objective was to verify the sensitivity of the cocaine hair test in admitted users. PATIENTS AND METHODS: Admitted cocaine users (38), that were 18-70 years of age and reported to have refrained from using cocaine in the few days to months prior to the test, were compared to 10 controls who claimed never to have used cocaine. All had negative urine tests for cocaine and benzoylecgonine by thin-layer chromatography. Cocaine and benzoylecgonine were extracted from unwashed hair and tested by established immunoassays. RESULTS: The hair test was positive in 37/38 cases (97%) and in none of the controls. There was significantly more cocaine in black hair than in brown or blonde hair per mg of cocaine dose reported to have been consumed, highlighting a potential bias when interpreting test results in individuals with dark hair. There was a statistically significant correlation between reported dose used and hair concentrations of cocaine. DISCUSSION: The cocaine hair test appears to be highly sensitive and specific in identifying past cocaine use in the setting of a negative urine test.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,482
Écart entre enseignants0,247 · 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

Citations28
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Toxicology Clinical ToxicologyMême sujetForensic Toxicology and Drug AnalysisTravaux en français237 207