A new quantitative drug checking technology for harm reduction: Pilot study in Vancouver, Canada using paper spray mass spectrometry
Notice bibliographique
Résumé
INTRODUCTION: Drug checking services for harm reduction and overdose prevention have been implemented in many jurisdictions as a public health intervention in response to the opioid overdose crisis. This study demonstrates the first on-site use of paper spray mass spectrometry for quantitative drug checking to address the limitations of current on-site drug testing technologies. METHODS: Paper spray mass spectrometry was used to provide on-site drug checking services at a supervised consumption site in the Downtown Eastside of Vancouver, British Columbia, Canada during a 2-day pilot test in August 2019. The method included the targeted quantitative measurement of 49 drugs and an untargeted full scan to assist in identifying unknown/unexpected components. RESULTS: During the pilot, 113 samples were submitted for analysis, with 88 (78%) containing the client expected substance. Fentanyl was detected in 45 of 59 expected fentanyl samples, and in 50 (44%) samples overall at a median concentration of 3.6% (w/w%). The synthetic precursor of fentanyl, 4-anilino-N-phenethyl-piperidine (4-ANPP), was found in 74.0% of all fentanyl samples at a median concentration of 2.2%, suggesting widespread poor manufacturing practices. Etizolam was detected in 10 submitted samples anticipated to be fentanyl at a median concentration of 2.5%. No clients submitting these samples expected etizolam or a benzodiazepine in their sample. In three instances, it was co-measured with fentanyl, and in seven cases it was detected alone. DISCUSSION AND CONCLUSIONS: The quantitative capabilities and low detection limits demonstrated by paper spray mass spectrometry offer distinct benefits over existing on-site drug checking methods and harm reduction services.
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 | 0,000 |
| 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) | 0,001 | 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 ».