Supported liquid extraction offers improved sample preparation for aldosterone analysis by liquid chromatography tandem mass spectrometry
Notice bibliographique
Résumé
BACKGROUND: To evaluate the accuracy and precision of a method for serum aldosterone using supported liquid extraction (SLE) for sample preparation instead of the more conventional liquid-liquid extraction (LLE) approach. METHODS: Two independently developed SLE-based LC-MS/MS methods for serum aldosterone (sample volumes 250 μl and 300 μl respectively) were compared to a modification of a previously reported LLE approach (sample volume 500 μl) in two method comparisons (n=75 and n=97). SLE analyses were performed at two separate centres. Precision was evaluated at a single site using human pools in head-to-head comparison between SLE and LLE. All analyses were performed on the ABSCIEX API-5000 LC-MS/MS system. RESULTS: At four increasing pool concentrations spanning 67-1060 pmol/l, total precision for SLE ranged from 6.8-4.1% compared with 11.1-4.3% for LLE. Differences did not reach statistical significance except at the lowest concentration where SLE was superior. Pasing Bablok regression comparisons were SLE=0.96×LLE-5.8 pmol/l (R(2)=0.985) and SLE=0.96×LLE-0.44 pmol/l (R(2)=0.969). CONCLUSIONS: For analysis of serum aldosterone on the ABSCIEX API-5000, SLE affords a smaller sample volume while maintaining the accuracy and precision performance of LLE. By avoiding specimen vortexing, SLE also allows for greater automation in the sample preparation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».