A HPLC-SRM-MS based method for the detection and quantification of methotrexate in urine at doses used in clinical practice for patients with rheumatological disease: a potential measure of adherence
Notice bibliographique
Résumé
Rheumatoid arthritis (RA) is a common autoimmune disease that causes significant disability and reduced life expectancy. The folate antagonist methotrexate (MTX) is first-line therapy for RA when used weekly at low doses (5-25 mg). However, the true rate of adherence to MTX is uncertain. This is in part due to the different methods of measurement of adherence employed with no biochemical test currently available to determine adherence to low dose MTX. Common methods of MTX measurement include immunoassays in patients with high dose therapy, but these assays cross-react with MTX metabolites and lack the sensitivity required to measure adherence to low dose MTX. HPLC-SRM-MS (selected reaction monitoring-mass spectrometry) has several theoretical advantages over immunoassays with improved specificity, minimal cross-reaction and higher sensitivity. The aim of this study was to develop an assay to measure MTX and its major metabolite 7-OH-MTX in urine as a tool to monitor adherence to low dose MTX in clinic. As a proof of concept, urine samples from 4 participants with RA were measured after directly observed therapy. The assay showed improved sensitivity compared to that reported by immunoassays, with low carryover and high within-run precision. In participant samples, MTX was measurable in the urine for up to 105 hours after administration and 7-OH-MTX was detectable up to 98 hours after administration, suggesting that this assay is suitable for the measurement of adherence to therapy. The assay requires minimal sample preparation and can be adopted by other laboratories with minimal study set up.
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 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».