MétaCan
Menu
Retour à la cohorte
Enregistrement W2998922953 · doi:10.1039/c9an02173f

Spectroelectrochemical and computational studies of tetrahydrocannabinol (THC) and carboxy-tetrahydrocannabinol (THC-COOH)

2020· article· en· W2998922953 sur OpenAlexafffund
Shruti D. Bindesri, Ricardo Jebailey, Najwan Albarghouthi, Cory C. Pye, Christa L. Brosseau

Notice bibliographique

RevueThe Analyst · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensSaint Mary's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCompute CanadaCanada Foundation for InnovationNova Scotia Research Innovation Trust
Mots-clésTetrahydrocannabinolΔ9-tetrahydrocannabinolChemistryDronabinolPharmacologyChromatographyCannabinoidBiochemistryMedicineReceptor

Résumé

récupéré en direct d'OpenAlex

Rapid and accurate detection of tetrahydrocannabinol (THC) and its main secondary metabolite carboxy-tetrahydrocannabinol (THC-COOH) is important to ensure safe roadways and workplaces, particularly in regions of the world where cannabis use is legal. In this work, we seek to demonstrate the usefulness of electrochemical SERS (EC-SERS) for the rapid detection of both THC and THC-COOH, complemented by thorough ab initio calculations for both molecules. These results indicate that application of a voltage is essential for efficient SERS detection of cannabinoids at low concentrations in bodily fluids, allowing for the eventual development of sensitive and quantitative screening tools. To the best of our knowledge, this work represents the first EC-SERS study of both THC and THC-COOH.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,034
Tête enseignante GPT0,315
Écart entre enseignants0,281 · 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'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

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207