Model‐based meta‐analysis of salbutamol pharmacokinetics and practical implications for doping control
Notice bibliographique
Résumé
Salbutamol was included in the prohibited list of the World Anti-Doping Agency (WADA) in 2004. Although systemic intake is banned, inhalation for asthma is permitted but with dosage restrictions. The WADA established a urinary concentration threshold to distinguish accordingly prohibited systemic self-administration from therapeutic prescription by inhalation. This study aimed at evaluating the ability of the WADA threshold to differentiate salbutamol therapeutic use from violation of antidoping rules. Concentration-time profile of salbutamol in plasma and its excretion in urine was characterized through a model-based meta-analysis of individual and aggregate data collected after administration of a large range of doses following different modes of administration and under a variety of conditions. The developed model adequately fitted salbutamol plasma and urine concentration-time profiles of the 13 selected studies. Model-based simulations confirmed that a wide range of salbutamol urine concentrations might be measured after drug intake. Although violation of the WADA Code can be strongly suspected in individuals showing very high salbutamol urine concentrations, uncertainty remains for values close to the WADA threshold as they can be compatible with both permitted therapeutic use and violation. Although not entirely discriminant, the current WADA rule is globally supported by our appraisal. It could be further improved by a slight and reasonable adjustment of inhaled daily dosages allowed for therapeutic use. Our model might help antidoping experts in the evaluation of suspected doping cases through confronting the athlete's urine measurements with their allegations about salbutamol treatment.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».