MétaCan
Menu
Retour à la cohorte
Enregistrement W2501622752 · doi:10.1385/0-89603-121-7:99

Gas Chromatographic- Mass Spectrometric Analysis of Antidepressants, Neuroleptics, and Benzodiazepines

2003· book-chapter· en· W2501622752 sur OpenAlexaff
Kenton L. Reed

Notice bibliographique

RevueHumana Press eBooks · 2003
Typebook-chapter
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChemistryChromatographyDrugMass spectrometryPharmacologyMedicine

Résumé

récupéré en direct d'OpenAlex

Gas chromatography-mass spectrometry (GC-MS) has been used for the identification of drugs since 1968 when Hammar and coworkers (1968) employed this technique for the analysis of chlorpromazine and some of its metabolites isolated from human blood. Since that time this analytical procedure has been successfully adapted for the analysis of many psychotropic drugs. Clinical applications of GC-MS have been reviewed (Hill and Whelan, 1984; Harvey, 1984). This review will be concerned with the application of MS to the identification and quantitation of anti-depressants, neuroleptics, benzodiazepines, and their metabolites isolated from a complex biological matrix. When used in combination with the excellent separating power of GC, the combmed GC-MS provides an analytical technique that is highly selective and sensitive and has the versatility to quantitatively determine levels of psychotropic drugs and their relevant metabolites. These properties make MS the method of choice for the analysis of these compounds. Disadvantages of this technique, however, include the initial high cost of equipment, the sophisticated level of skill required for the operation and maintenance of the instrumentation, and the difficulty in interpretation of the data. For these reasons MS is not used for the routine analysis of these drugs and metabolites, but is used in those cases in which low levels are expected and high sensrtrvrty is required, positive identrfication of drugs is mandatory, such as in drug screens or overdoses, and studies elucidating the structure of the metabolites of these compounds. In addition, MS is used as a reference method for vahdating other analytical procedures, in bioavailability studies, in testing the purity of various preparations, and in verifying the structure of various chemical derivatives. The GC-MS technique has been used in both research and clinical investigations to determine levels of these drugs and metabolites from the low picogram to the microgram range. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,249
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207