Development and Validation of a Simple HPLC-UV Assay Method for Determination of Levetiracetam Concentrations in Human Plasma
Notice bibliographique
Résumé
Levetiracetam (LEV) is a broad spectrum antiseizure medication that is used in various seizure types. There is evidence that therapeutic drug monitoring (TDM) of LEV is of value in selected patient populations, therefore determination of LEV plasma concentrations is essential. Herein we developed and validated a simple, reproducible, and practical method for the quantification of LEV concentrations in human plasma samples using high performance liquid chromatography (HPLC). Plasma samples (0.3 mL) deproteinization was done using acetonitrile. HPLC chromatographic separation of plasma samples was accomplished by reversed phase C18 column. The mobile phase constituted water and acetonitrile (90:10, v/v) ran at flow rate of 1 mL/min. Signal acquisition was conducted at a wavelength of 192 nm. Calibration curves showed excellent linearity (Correlation coefficient r2 > 0.99) over a concentration range of 3–80 μg/mL. Both inter and intraday assay accuracy and precision were less than 8% (except for the lowest limit of quantification was within 20%). Elution time was 15 min. The developed method excluded the use of buffers and utilized small volumes of plasma samples with simple mobile phase composition. Therefore, our method could be practically applied to routine TDM.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».