MétaCan
Menu
Retour à la cohorte
Enregistrement W4280589526 · doi:10.53730/ijhs.v6ns3.7454

insight of development and validation of bioanalytical method in the reference of anticancer drugs by using LC-MS/MS

2022· article· en· W4280589526 sur OpenAlexaff
K. Praveen Kumar, Akash Marathakam, Santosh Kumar Patnaik, Sanjay Kumar, Alapati Sahithi, D. K. Shanthi Priya, Poonam Dogra

Notice bibliographique

RevueInternational Journal of Health Sciences · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensRoyal College of Physicians and Surgeons of Canada
Organismes subventionnairesnon disponible
Mots-clésBioanalysisComputer scienceAnticancer drugBiochemical engineeringData scienceChromatographyChemistryDrugPharmacologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

The bioanalytical analysis of anticancer agents established a more personalized treatment procedure. The importance of validating analytical procedures before they are put into normal usage is widely acknowledged. This novel approach has a lot of promise because it is quick, easy, and only requires a little amount of samples to get the accurate result. The goal of this mini review is to provide a comparative analysis of contemporary research on few anticancer agents and their methodology in reference to bioanalytical analysis. We provide practical approaches for determining extraction and clean up, precision and accuracy, selectivity and specificity, chromatographic analysis and its validation. We believe that the liquid chromatographic processes used in the bioanalysis of anticancer medicines, validation standards might have been applied in a variety of ways to counter the failure of an anticancer agent by increasing its therapeutic index approach.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,437
Écart entre enseignants0,343 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Health SciencesMême sujetComputational Drug Discovery MethodsTravaux en français237 207