Qualitative thallium urinary assays are almost as valuable as quantitative tests: implication for outpatient settings in low and middle income countries
Notice bibliographique
Résumé
BACKGROUND: Thallium (Tl), lead and steroid exposures were reported as a result of street drug consumption such as heroin and cocaine. OBJECTIVE: This study aimed to compare the values of qualitative and quantitative assays for detecting Tl as an adulterant in opioid-like compound drug users. METHODS: This case-control study was conducted throughout a specified time bracket ranging from May 2015 to November 2015 in Imam Reza Hospital, Mashhad, Iran. In general, urine thallium samples for 100 opioid overdosed subjects with a history of chronic opioid use and 50 non-drug users were studied. Qualitative 24 hours-urinary-thallium-level (QL) and quantitative 24 hours-urinary-thallium-level (QT) were conducted in both groups. Independent-samples t-test and Spearman's Coefficient were applied for analytical purposes. SPSS software 16 was used to conduct statistical analyses with P values less than 0.05 regarded as significant. RESULTS: A total of 150 cases were studied. Raw opium users accounted for 66% of the cases followed by mixed (28%) and heroin users (6%). Mean (SD) QT level for QL was 26.8 (1) μg/L, while it was 2.3 μg/L (0.4 μg/L) for negative QL, which was far below QL positive cases (p=0.002). The qualitative test showed more accuracy at higher quantitative levels. In all cases, qualitative test was fully sensitive (100%), highly specific (89%) with a positive likelihood ratio (PLR) of 9.1 and a negative likelihood ratio (NLR) of 0. CONCLUSION: These results suggest that qualitative assays could be used with confidence in assessing Tl exposure in drug users. Physicians may easily and confidently use Tl qualitative tests in rehabilitation centers, where toxicology laboratories may not be available.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».