MétaCan
Menu
Retour à la cohorte
Enregistrement W4308739329 · doi:10.1016/j.jpha.2022.10.004

Comparison of different approaches for direct coupling of solid-phase microextraction to mass spectrometry for drugs of abuse analysis in plasma

2022· article· en· W4308739329 sur OpenAlexafffund
Wei Zhou, Martyna N. Wieczorek, Runshan Will Jiang, Janusz Pawliszyn

Notice bibliographique

RevueJournal of Pharmaceutical Analysis · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNarodowym Centrum NaukiShimadzu
Mots-clésSolid-phase microextractionChemistryChromatographyMass spectrometryAnalytical Chemistry (journal)Gas chromatography–mass spectrometry

Résumé

récupéré en direct d'OpenAlex

The direct coupling of solid-phase microextraction (SPME) to mass spectrometry (MS) (SPME-MS) has proven to be an effective method for the fast screening and quantitative analysis of compounds in complex matrices such as blood and plasma. In recent years, our lab has developed three novel SPME-MS techniques: SPME-microfluidic open interface-MS (SPME-MOI-MS), coated blade spray-MS (CBS-MS), and SPME-probe electrospray ionization-MS (SPME-PESI-MS). The fast and high-throughput nature of these SPME-MS technologies makes them attractive options for point-of-care analysis and anti-doping testing. However, all these three techniques utilize different SPME geometries and were tested with different MS instruments. Lack of comparative data makes it difficult to determine which of these methodologies is the best option for any given application. This work fills this gap by making a comprehensive comparison of these three technologies with different SPME devices including SPME fibers, CBS blades, and SPME-PESI probes and SPME-liquid chromatography-MS (SPME-LC-MS) for the analysis of drugs of abuse using the same MS instrument. Furthermore, for the first time, we developed different desorption chambers for MOI-MS for coupling with SPME fibers, CBS blades, and SPME-PESI probes, thus illustrating the universality of this approach. In total, eight analytical methods were developed, with the experimental data showing that all the SPME-based methods provided good analytical performance with R2 of linearities larger than 0.9925, accuracies between 81% and 118%, and good precision with an RSD% ≤ 13%.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,446
Écart entre enseignants0,338 · 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'étudeExpérimental (laboratoire)
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

Citations51
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmaceutical AnalysisMême sujetAnalytical chemistry methods developmentTravaux en français237 207