MétaCan
Menu
Retour à la cohorte
Enregistrement W4290342819 · doi:10.1080/10408363.2022.2103085

DropWise: current role and future perspectives of dried blood spots (DBS), blood microsampling, and their analysis in sports drug testing

2022· review· en· W4290342819 sur OpenAlexfundno aff
Mario Thevis, Katja Walpurgis, Andreas Thomas

Notice bibliographique

RevueCritical Reviews in Clinical Laboratory Sciences · 2022
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueBiosimilars and Bioanalytical Methods
Établissements canadiensnon disponible
Organismes subventionnairesWorld Anti-Doping Agency
Mots-clésDried bloodWhole bloodDrug detectionBlood testingAnalyteBlood collectionDrugDried blood spotMedicinePharmacologyChemistryChromatographyImmunologyInternal medicineEmergency medicine

Résumé

récupéré en direct d'OpenAlex

For decades, blood testing has been an integral part of routine doping controls. The breadth of information contained in blood samples has become considerably more accessible for anti-doping purposes over the last 10 years through technological advancements regarding analytical instrumentation as well as enhanced sample collection systems. Particularly, microsampling of whole blood and serum, for instance as dried blood spots (DBS), has opened new avenues in sports drug testing and substantially increased the availability and cost-effectiveness of doping control specimens. Thus, microvolume blood specimens possess the potential to improve monitoring of blood hormone and drug levels, support evaluation of circulating drug concentrations in competition, and enhance the stability of labile markers and target analytes in blood passport analyses as well as peptide hormone and steroid ester detection. Further, the availability of the fraction of lysed erythrocytes for anti-doping purposes warrants additional investigation, considering the sequestering capability of red blood cells (RBCs) for certain substances, as a complementary approach in support of the clean sport.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,119
Tête enseignante GPT0,454
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Reviews in Clinical Laboratory SciencesMême sujetBiosimilars and Bioanalytical MethodsTravaux en français237 207