A Robust Method for Iodine Status Determination in Epidemiological Studies by Capillary Electrophoresis
Notice bibliographique
Résumé
Iodine deficiency is the most common preventable cause of intellectual disabilities in children. Global health initiatives to ensure optimum nutrition thus require continuous monitoring of population-wide iodine intake as determined by urinary excretion of iodide. Current methods to analyze urinary iodide are limited by complicated sample pretreatment, costly infrastructure, and/or poor selectivity, posing restrictions to large-scale epidemiological studies. We describe a simple yet selective method to analyze iodide in volume-restricted human urine specimens stored in biorepositories by capillary electrophoresis (CE) with UV detection. Excellent selectivity is achieved when using an acidic background electrolyte in conjunction with dynamic complexation via α-cyclodextrin in an unmodified fused-silica capillary under reversed polarity. Sample self-stacking is developed as a novel online sample preconcentration method to boost sensitivity with submicromolar detection limits for iodide (S/N ≈ 3, 0.06 μM) directly in urine. This assay also allows for simultaneous analysis of environmental iodide uptake inhibitors, including thiocyanate and nitrate. Rigorous method validation confirmed good linearity (R(2) = 0.9998), dynamic range (0.20 to 4.0 μM), accuracy (average recovery of 93% at three concentration levels) and precision for reliable iodide determination in pooled urine specimens over 29 days of analysis (RSD = 11%, n = 87).
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».