Rapid and accurate etizolam detection using surface-enhanced Raman spectroscopy for community drug checking
Notice bibliographique
Résumé
BACKGROUND: In British Columbia, Canada, illicit opioids have been increasingly combined with etizolam, a benzodiazepine analog, that continues to challenge popular portable drug checking technologies as it is often present in low concentrations as a result of its high potency. An unknown combination of opioids and benzodiazepines may have dangerous consequences due to unpredictable dosing, increased respiratory depression, and complicated overdose response measures. METHODS: Surface-enhanced Raman spectroscopy (SERS) using a portable Raman spectrometer is used to establish a univariate model for the detection of etizolam in opioid drug mixtures (n=100) obtained from the Vancouver Island Drug Checking Project, where the presence of etizolam has been determined using paper-spray mass spectrometry. Benzodiazepine immunoassay test strips are also performed on all samples for comparison. RESULTS: SERS is shown to detect etizolam with high sensitivity (96%) and specificity (86%). In contrast, benzodiazepine test strips demonstrate a low sensitivity (8%) for the detection of etizolam of the same samples (n=100), with only small improvements when studied over a larger subset of samples (n=506, sensitivity = 29%). CONCLUSION: We have demonstrated the potential of SERS for trace detection of etizolam within complex sample matrices. Since SERS is one of the few portable technologies capable of trace detection, further studies on its ability for quantification and discrimination of trace adulterants in street samples is of significant interest for point-of-care applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».