A review of analytical strategies for the detection of ‘endogenous’ steroid abuse in food production
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Detection of the abuse of synthetic steroids in food production is nowadays relatively straightforward using modern techniques such as gas or liquid chromatography coupled to mass spectrometry (GC-MS/MS or LC-MS/MS, respectively). However, proving the abuse of 'endogenous' (or naturally occurring) steroids is more difficult. Despite these difficulties, significant progress in this area has recently been made and a number of methods are now available. The aim of the current review was to systematically review the available analytical approaches, which include threshold concentrations, qualitative 'marker' metabolites, intact steroid esters, gas chromatography-combustion-isotope ratio mass spectrometry (GC-C-IRMS), longitudinal testing and 'omics' biomarker profiling. The advantages/disadvantages of these methods are considered in detail, but the choice of which to adopt is dictated by a number of practical, political, and economic factors, which vary in different parts of the world. These include the steroid/species combination requiring analysis, the matrix tested, whether samples are collected from live or slaughtered animals, available analytical instrumentation, sample throughput/cost, and the relevant legal/regulatory frameworks. Furthermore, these approaches could be combined in a range of different parallel and/or sequential screening/confirmatory testing streams, with the final choice being determined by the aforementioned considerations. Despite these advances, more work is required to refine the different techniques and to respond to the ever increasing list of compounds classified as 'endogenous'. At this advanced stage, however, it is now more important than ever for scientists and regulators from across the world to communicate and collaborate in order to harmonize and streamline research efforts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle