MétaCan
Menu
Retour à la cohorte
Enregistrement W2764089134 · doi:10.1002/dta.2321

Fast IRMS screening of pseudoendogenous steroids in doping analyses

2017· article· en· W2764089134 sur OpenAlexfundno aff
Xavier de la Torre, Cristiana Colamonici, Davide Curcio, Francesco Botrè

Notice bibliographique

RevueDrug Testing and Analysis · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHormonal and reproductive studies
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

The detection of the abuse of pseudoendogenous steroids (testosterone and/or its precursors) is currently based, when possible, on the application of the steroid module of the World Anti-Doping Agency (WADA), athlete biological passport (ABP), implemented through the global database, ADAMS. When a suspicious sample is detected, the confirmation by isotope ratio mass spectrometry (IRMS) is required. It is well known that this confirmation procedure is time consuming and expensive and can be only applied on a reduced number of samples. In previous studies we have demonstrated that the longitudinal evaluation of the IRMS data is able to detect positive samples that otherwise will be evaluated as negative, improving the efficacy of the fight against doping in sport. This would require the analysis of a much larger volume of samples by IRMS. The aim of the present work is to describe an IRMS screening method allowing to increase the throughput of samples that can be analyzed by IRMS. The detection efficacy of the method is compared with the confirmation method in use, and to assess its robustness and applicability, all the samples of a major cycling stage competition were analyzed, with the agreement of the testing authority, under routine conditions and response times. The results obtained permit to conclude that the IRMS screening method here proposed has adequate selectivity and produces results that overlap with the already validated method currently in use permitting to analyze a much higher volume of samples even during a major event without compromising the detection capacity. Copyright © 2017 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,113
Tête enseignante GPT0,358
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug Testing and AnalysisMême sujetHormonal and reproductive studiesTravaux en français237 207