MétaCan
Menu
Retour à la cohorte
Enregistrement W4366068088 · doi:10.1093/jaoac/88.1.46

Determination of β-Agonist Residues in Bovine Urine Using Liquid Chromatography-Tandem Mass Spectrometry

2005· article· en· W4366068088 sur OpenAlexaff
Leslie C. Dickson, James D. MacNeil, Stephen Lee, Adrian C E Fesser

Notice bibliographique

RevueJournal of AOAC International · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePharmacological Effects and Assays
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesnon disponible
Mots-clésRactopamineChromatographyChemistryClenbuterolDetection limitMass spectrometryTandem mass spectrometryAnalyteExtraction (chemistry)Liquid chromatography–mass spectrometrySolid phase extractionSalbutamolTriple quadrupole mass spectrometerSelected reaction monitoring

Résumé

récupéré en direct d'OpenAlex

Abstract A multiresidue method was developed and validated to screen bovine urine samples for 10 β-2-adrenergic agonistic drugs—brombuterol, cimaterol, clenbuterol, clenpenterol, isoxsuprine, mabuterol, ractopamine, ritodrine, salbutamol, and tulobuterol—at the 2 μg/L level. The method is also quantitative in the range of 1 to 4 μg/L for all analytes except salbutamol. The procedure uses enzymatic digestion, liquid–liquid extraction, and cleanup on solid-phase extraction columns, followed by detection using a liquid chromatograph-tandem quadrupole mass spectrometer operated in the positive-ion atmospheric pressure chemical ionization multiple-reaction monitoring mode. Method validation included assessment of recoveries, repeatabilities, linearity of responses, decision limits, and detection capabilities. Overall average recoveries ranged from 70–91%; recoveries were generally lower for salbutamol. The decision limits ranged from 0.4–1.0 μg/L, and detection capabilities from 0.6–1.7 μg/L.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,286
Écart entre enseignants0,266 · 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

Citations35
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of AOAC InternationalMême sujetPharmacological Effects and AssaysTravaux en français237 207