MétaCan
Menu
Retour à la cohorte
Enregistrement W3013979001 · doi:10.26685/urncst.177

Developing a Method to Determine Salivary THC Concentration

2020· article· en· W3013979001 sur OpenAlexaffabout
Alina T. He, Marina Nysten, Farida Rahman, Joyce Wu

Notice bibliographique

RevueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSalivaChemistryChromatographyCannabisPharmacologyMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Introduction: Cannabis impairs cognitive and psychomotor performance, which can negatively affect driving skills. The main psychoactive ingredient in cannabis is ∆9-tetrahydrocannabinol (THC). Due to the recent legalization of cannabis in Canada, there is an urgent need for a roadside test to identify THC impaired drivers. The legal limit while driving is calculated based on blood THC concentration, but saliva samples are the most convenient to collect roadside. Thus, the objectives of this study are to (1) determine the relationship between salivary and serum THC concentration and (2) develop a suitable roadside method to determine salivary THC concentration. Methods: THC doses between 0.2 mg/Kg to 100 mg/Kg will be orally administered to 36 mice (18 female, 18 male) in a repeated-measures design. Saliva and blood samples will be collected in 15 min intervals from 0 to 6 hours after administration. Gas chromatography (GC) and liquid chromatography (LC) coupled to mass spectrometry (MS) will be used to determine THC concentration in the saliva and blood samples. The relationship between salivary and serum THC concentration will be modelled. In addition, a series of azo dyes will be applied to the saliva samples to determine salivary THC concentrations in a simple and rapid manner. The samples will be dissolved in NaOH, and various dyes will be added. An acid-base reaction will create a phenolate anion from the phenolic group of the ∆9-THC molecule, which will then attack the diazo group of the azo dye to produce a coloured end-product. Expected Results: We expect a positive linear relationship between the logged salivary and blood serum THC concentrations. We predict that each azo dye will produce a single colour within a specific and different range of THC concentration, so a distinct set of colours produced from many dyes can be associated with a narrow range of salivary THC concentration. Discussion: The colours produced from the azo dye reactions can be associated with salivary THC concentrations, which can then be correlated to serum THC concentrations. We use a mouse model in this study to have a more controlled investigation of the relationship between salivary and serum THC concentration, but future investigations should apply the results to humans. Conclusion: This study aims to determine salivary THC concentration in a suitable roadside method and correlate the results to serum THC concentration. The implications of this study are to be able to detect THC impaired drivers in a simple and rapid manner.

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)0,004
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

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 Opus0,130
Tête enseignante GPT0,480
Écart entre enseignants0,350 · 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) JournalMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207