Interlaboratory comparison of heavy metal testing in animal diagnostic specimens and feed using inductively coupled plasma–mass spectrometry
Notice bibliographique
Résumé
We compared inductively coupled plasma-mass spectrometry (ICP-MS) test results for the analysis of heavy metals (As, Ba, Cd, Hg, Pb, and Se) in pet foods and routine veterinary diagnostic specimens using intralaboratory and interlaboratory comparisons. Four laboratories, 1 principal laboratory and 3 collaborating laboratories, conducted instrument comparison (limit of detection [LOD], limit of quantification [LOQ], and linear dynamic range [LDR] on 24 data sets), in-house method comparison (accuracy and precision on 120 data sets), and interlaboratory comparison (reproducibility on 528 data sets using Horwitz equation analysis). Matrices tested included 2 types of pet food jerky treats (chicken and sweet potato), bovine blood, and bovine liver and kidney. The instrument comparison study confirmed that ICP-MS provided the sensitivity necessary for the analysis of all heavy metals tested at concentrations below the level of concern for routine diagnostic testing. The "in-house" method comparison samples, spiked at low (0.04 µg/g), medium (0.4 µg/g), and high (8.0 µg/g; note: the high validation level spike for mercury was 2 µg/g) concentration levels, indicated that ICP-MS can meet U.S. FDA acceptance criteria for both accuracy (90-105% recovery) and precision (< 6% coefficient of variation). The interlaboratory comparison studies showed that ICP-MS is a reproducible method for the analysis of heavy metals (HorRat value of 0.5-2.0) except for mercury in one laboratory, which used a different sample preparation method (open block rather than microwave digestion). Overall, our study showed that ICP-MS is a reproducible method for the analysis of heavy metals in spite of minor differences in methodology.
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 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 | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».