MétaCan
Menu
Retour à la cohorte
Enregistrement W2805885115 · doi:10.5740/jaoacint.17-0495

Multiresidue Method of Analysis of Pesticides in Medical Cannabis

2018· article· en· W2805885115 sur OpenAlexaffabout
Jonathan R Moulins, Michel Blais, Kim Montsion, Josée Tully, William S. Mohan, Mathieu Gagnon, Tyler McRitchie, Keri Kwong, Neil Snider, David R. Blais

Notice bibliographique

RevueJournal of AOAC International · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésCannabisPesticideChromatographySolid phase extractionGas chromatography–mass spectrometryChemistrySample preparationPesticide residueExtraction (chemistry)High-performance liquid chromatographyMass spectrometryBiologyMedicineAgronomy

Résumé

récupéré en direct d'OpenAlex

Three related analytical methods were developed and validated for the determination of pesticides in cannabis leaves, dried cannabis flowers, and cannabis oil. The methods follow the generic sequence of an acetonitrile extraction, followed by solid-phase extraction cleanup and analysis by HPLC-tandem mass spectrometry (HPLC-MS/MS), GC-MS/MS, and GC-MS. These methods were developed to accommodate sample quantity and lipid content of the different matrices. Validation at a spiking level of 0.01 μg/g was successful for 39 pesticides in cannabis leaves and 40 pesticides in cannabis oil, and at 0.02 μg/g for 32 pesticides in cannabis flowers, with the majority of analytes showing recoveries within the acceptable range of 70-130%. With these methods established, unannounced inspections of Canadian licensed producers of cannabis revealed that out of 144 samples collected, 26 showed the presence of unauthorized pest control products.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,114
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0030,000

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 Opus0,020
Tête enseignante GPT0,402
Écart entre enseignants0,383 · 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.

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

Citations40
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207