Detection, discrimination and quantification of amphetamine, cathinone and <i>nor</i> ‐ephedrine regioisomers using benchtop <sup>1</sup> H and <sup>19</sup> F nuclear magnetic resonance spectroscopy
Notice bibliographique
Résumé
Abstract Amphetamine and cathinone derivatives are abused recreationally due to the sense of euphoria they provide to the user. Methodologies for the rapid detection of the drug derivative present in a seized sample, or an indication of the drug class, are beneficial to law enforcement and healthcare providers. Identifying the drug class is prudent because derivatisation of these drugs, to produce regioisomers, for example, occurs frequently to circumvent global and local drug laws. Thus, newly encountered derivatives might not be present in a spectral library. Employment of benchtop nuclear magnetic resonance (NMR) could be used to provide rapid analysis of seized samples as well as identifying the class of drug present. Discrimination of individual amphetamine‐, methcathinone‐, N ‐ethylcathinone and nor ‐ephedrine‐derived fluorinated and methylated regioisomers is achieved herein using qualitative automated 1 H NMR analysis and compared to gas chromatography–mass spectrometry (GC–MS) data. Two seized drug samples, SS1 and SS2, were identified to contain 4‐fluoroamphetamine by 1 H NMR (match score median = 0.9933) and GC–MS (RR t = 5.42–5.43 min). The amount of 4‐fluoroamphetamine present was 42.8%–43.4% w/w and 48.7%–49.2% w/w for SS1 and SS2, respectively, from quantitative 19 F NMR analysis, which is in agreement with the amount determined by GC–MS (39.9%–41.4% w/w and 49.0%–49.3% w/w). The total time for the qualitative 1 H NMR and quantitative 19 F NMR analysis is ~10 min. This contrasts to ~40 min for the GC–MS method. The NMR method also benefits from minimal sample preparation. Thus, benchtop NMR affords rapid, and discriminatory, analysis of the drug present in a seized sample.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».