Mildronate (Meldonium) in professional sports – monitoring doping control urine samples using hydrophilic interaction liquid chromatography – high resolution/high accuracy mass spectrometry
Notice bibliographique
Résumé
To date, substances such as Mildronate (Meldonium) are not on the radar of anti-doping laboratories as the compound is not explicitly classified as prohibited. However, the anti-ischemic drug Mildronate demonstrates an increase in endurance performance of athletes, improved rehabilitation after exercise, protection against stress, and enhanced activations of central nervous system (CNS) functions. In the present study, the existing evidence of Mildronate's usage in sport, which is arguably not (exclusively) based on medicinal reasons, is corroborated by unequivocal analytical data allowing the estimation of the prevalence and extent of misuse in professional sports. Such data are vital to support decision-making processes, particularly regarding the ban on drugs in sport. Due to the growing body of evidence (black market products and athlete statements) concerning its misuse in sport, adequate test methods for the reliable identification of Mildronate are required, especially since the substance has been added to the 2015 World Anti-Doping Agency (WADA) monitoring program. In the present study, two approaches were established using an in-house synthesized labelled internal standard (Mildronate-D3 ). One aimed at the implementation of the analyte into routine doping control screening methods to enable its monitoring at the lowest possible additional workload for the laboratory, and another that is appropriate for the peculiar specifics of the analyte, allowing the unequivocal confirmation of findings using hydrophilic interaction liquid chromatography-high resolution/high accuracy mass spectrometry (HILIC-HRMS). Here, according to applicable regulations in sports drug testing, a full qualitative validation was conducted. The assay demonstrated good specificity, robustness (rRT=0.3%), precision (intra-day: 7.0-8.4%; inter-day: 9.9-12.9%), excellent linearity (R>0.99) and an adequate lower limit of detection (<10 ng/mL).
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».