MétaCan
Menu
Retour à la cohorte
Enregistrement W2727826363 · doi:10.1021/acs.analchem.7b01383

Standardized Procedure for the Simultaneous Determination of the Matrix Effect, Recovery, Process Efficiency, and Internal Standard Association

2017· article· en· W2727826363 sur OpenAlexaff
Jean-François Bienvenu, Gilles Provencher, Patrick Bélanger, René Bérubé, Pierre Dumas, Sébastien Gagné, Éric Gaudreau, Normand Fleury

Notice bibliographique

RevueAnalytical Chemistry · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePesticide Residue Analysis and Safety
Établissements canadiensInstitut National de Santé Publique du Québec
Organismes subventionnairesnon disponible
Mots-clésAnalyteChemistryMatrix (chemical analysis)Standard deviationStandard additionCalibrationCalibration curveAccuracy and precisionSubtractionChromatographyStatisticsBiological systemMathematicsDetection limitArithmetic

Résumé

récupéré en direct d'OpenAlex

The matrix effects (MEs) on the quantification of an analyte can be significant and should not be neglected during development and validation of an analytical method. According to this premise, we developed a standardized procedure based on a set of six tests performed on six different sample matrices to detect and characterize the effects of the matrix for single and multiple analytes methods. The link between the matrix effect, recovery, process efficiency, accuracy, precision, and calibration curve was underscored by calculations performed with peak areas, ratios of standard/internal standard peak area, and concentrations. The terms instrumental ME and global ME were introduced, and the term recovery was subdivided for clarity. The test accounts for the presence of ubiquitous and endogenous analytes through background subtraction. The results showed the necessity for using samples with an original concentration in the same range and that the concentration selected for the addition had a definite impact on the results. The use of six-sample matrices provided a standard deviation on the results, and this information could be inserted in a method performance result to show precision. The tool also allows for testing of different analytes/internal standard combinations, which helps with the selection of the association with minimum MEs. A UPLC-MS/MS method for the quantification of several phthalate metabolites in urine was developed and validated with this test. This methodology responds to a scientific need for homogeneity, clarity, and understanding of the results and facilitates the decision-making process while lowering the required costs and time.

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)0,012
score de la tête « metaresearch » (Gemma)0,011
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,011
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,006
Tête enseignante GPT0,273
Écart entre enseignants0,266 · 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
GenreEmpirique

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

En bref

Citations70
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetPesticide Residue Analysis and SafetyTravaux en français237 207