Effects of Fluid Load on Human Urine Characteristics Related to Workplace Drug Testing *
Notice bibliographique
Résumé
During workplace drug testing, urine is tested for dilution, substitution and adulteration. Donors argue that these findings are due to medical, health or working conditions or diet and genetic differences. There is a paucity of data correlating changes in urine characteristics after a fluid load to various body parameters. Therefore, five urine specimens (one in the morning, one prior to drinking 800 mL of a beverage, and three time intervals thereafter) from 12 males and 12 females were tested for four different beverages on separate occasions. Of the 480 samples, 376 were in sufficient amounts. Of these 376, 36 (10%) had creatinine <20 mg/dL but ≥2 mg/dL; 27 (75%) of 36 had specific gravity <1.0030 but >1.0010. Thus, these 27 samples can be considered to be dilute; 20 (74%) of 27 were from females. For males with at least one dilute sample, body fat was 11% less and resting metabolic rate (RMR) was 29% more than males with no dilute samples (p > 0.05); for females with at least one dilute sample, height was 8% less and weight 20% less than females with no dilute samples (p > 0.05). Individuals with a higher RMR appear to have a greater potential for producing dilute urine specimens than those with a lower RMR. Thus, a dilute sample does not necessarily indicate that it was intentionally diluted. Such samples must be carefully evaluated in consideration with recent consumption of liquid by donors to avoid false accusations.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».