An ultra-high-pressure liquid chromatography tandem mass spectrometry (UPLC-MS/MS) method for the detection of cannabinoids in whole blood using solid phase extraction
Notice bibliographique
Résumé
A novel high-throughput method using automated solid-phase extraction (SPE) coupled with ultra-high-pressure liquid chromatography–tandem mass spectrometry (UPLC-MS/MS) was developed in order to quantify Δ9-tetrahydrocannabinol (THC) and its major metabolites and screen for several synthetic cannabinoids. Cannabinoids and synthetic cannabinoids were extracted from ovine whole blood using Phenomenex Strata-X Drug B SPE columns. Multiple reaction monitoring (MRM) mode was used to monitor at least two transitions of the analyte and its deuterated internal standard. Calibration was fitted quadratically (R2 > 0.995) over a range from 1 to 20 ng/mL for THC, 11-hydroxy-THC, cannabinol and cannabidiol, and 10 to 200 ng/mL for 11-nor-Δ9-carboxy-tetrahydrocannabinol and its glucuronide. Inter-assay accuracy and precision were evaluated over n = 3 analyses spanning six days. With the exception of cannabidiol, the accuracies ranged from 0.52% to 8.63% and the coefficient of variation (%CV) was found to range from 1.91% to 7.69%. Intra-assay accuracy and the precision of these analytes (n = 16) was found to range from 0.16% to 11.42% and from 1.10% to 8.40%, respectively. Cannabidiol intra- and inter-assay accuracy and precision were more variable than for other analytes. The procedure minimized specimen handling, extraction and reduced runtime as compared with an existing gas chromatography–mass spectrometry method and permitted the qualitative identification of several synthetic cannabinoid species.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».