Assessing the limit of detection of Fourier‐transform infrared spectroscopy and immunoassay strips for fentanyl in a real‐world setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Drug checking is a harm reduction intervention increasingly used in the context of the opioid overdose epidemic. The aim of the study was to determine the limit of detection for fentanyl of two point-of-care drug checking technologies. DESIGN AND METHODS: Samples tested at point-of-care using Bruker Fourier transform infrared (FTIR) spectroscopy and BTNX fentanyl immunoassay strips were sent for confirmatory laboratory analysis using quantitative nuclear magnetic resonance (qNMR) spectroscopy. Concentrations by weight were determined and compared to results obtained with point-of-care methods. RESULTS: In total, 283 samples were sent for qNMR analysis; among these, 173 (61.1%) tested positive for fentanyl. As determined by qNMR, fentanyl concentration by weight ranged from 1% to 91%. Among these 173 samples, fentanyl was not detected in 30 (17.3%) samples by FTIR and in 4 (2.3%) samples by test strip. Samples containing fentanyl that went undetected by FTIR had concentrations ≤10%. The four samples containing fentanyl that went undetected by test strip had concentrations ≤5% (i.e. 1%, 3%, 4%, 5%). DISCUSSION AND CONCLUSIONS: Fentanyl immunoassay strips were able to consistently detect the presence of fentanyl in samples at lower concentrations than FTIR spectroscopy. Given that FTIR spectroscopy is able to quantify content, mixture and concentrations on an array of compounds beyond just fentanyl but requires concentrations generally greater than 10%, these findings provide evidence for use of FTIR spectroscopy and immunoassay strips in combination to compensate for the limitations of each technology alone.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle