MétaCan
Menu
Retour à la cohorte
Enregistrement W2770371781 · doi:10.3390/pharmaceutics9040052

A High-Performance Liquid Chromatography Assay Method for the Determination of Lidocaine in Human Serum

2017· article· en· W2770371781 sur OpenAlexaff
Hamdah Al Nebaihi, Matthew Primrose, James S. Green, Dion R. Brocks

Notice bibliographique

RevuePharmaceutics · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Methods in Pharmaceuticals
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChromatographyLidocaineChemistryExtraction (chemistry)Monobasic acidHigh-performance liquid chromatographyPotassium phosphatePotassiumAnalyteDetection limitAnesthesiaMedicine

Résumé

récupéré en direct d'OpenAlex

Here we report on the development of a selective and sensitive high-performance liquid chromatographic method for the determination of lidocaine in human serum. The extraction of lidocaine and procainamide (internal standard) from serum (0.25 mL) was achieved using diethyl ether under alkaline conditions. After liquid–liquid extraction, the separation of analytes was accomplished using reverse phase extraction. The mobile phase, a combination of acetonitrile and monobasic potassium phosphate, was pumped isocratically through a C18 analytical column. The ultraviolet (UV) wavelength was at 277 nm for the internal standard, and subsequently changed to 210 for lidocaine. The assay exhibited excellent linearity (r2 > 0.999) in peak response over the concentration ranges of 50–5000 ng/mL lidocaine HCl in human serum. The mean absolute recoveries for 50 and 1000 ng/mL lidocaine HCl in serum using the present extraction procedure were 93.9 and 80.42%, respectively. The intra- and inter-day coefficients of variation in the serum were <15% at the lowest, and <12% at other concentrations, and the percent error values were less than 9%. The method displayed a high caliber of sensitivity and selectivity for monitoring therapeutic concentrations of lidocaine in human serum.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,096
Tête enseignante GPT0,461
Écart entre enseignants0,365 · 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

Citations35
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetAnalytical Methods in PharmaceuticalsTravaux en français237 207