Simultaneous screening and quantitation of stimulant drugs in dried blood spot (DBS) samples using ultra-high performance liquid chromatography quadrupole time-of-flight mass spectrometry (UPLC-QTOF-MS)
Notice bibliographique
Résumé
Dried blood spots (DBS) have seen recent development as an alternative to whole blood samples for drug testing. The ease of use of DBS makes the technique suitable and attractive for drug testing applications. Quantitation of drug concentrations in the ng/mL range can be achieved from DBS samples using 10 to 20 µL of blood. The establishment of drug per se limits for drivers requires timely methods of sampling blood for accurate drug concentration measurements. Method validation for the analysis of forensically relevant stimulant drugs and their metabolites in DBS samples by ultra-performance liquid chromatography-quadrupole time-of-flight high-resolution mass spectrometry (UPLC-QTOF-MS) is presented. DBS blood samples were prepared by spiking 20 µL of blood-containing analytes ranging from 10 to 1000 ng/mL onto Whatman® 903 Protein Saver cards. Analytes were extracted from whole DBS samples punched from protein saver cards by sonication in water followed by PRiME® MCX μElution solid phase extraction. An LOQ of 10 ng/mL was achieved for all analytes. Precision (0.09% to 14.67%), bias (–17.15% to 13.91%) and matrix effects (–18.7% to 23.4%) were suitable for validation in 10/14 analytes. DBS drug stability varied by analyte. DBS sampling may assist in overcoming forensic challenges associated with blood sampling, and accurate drug quantitation even at low concentrations is possible. The results of this work suggest that DBS microsampling is suitable for drug-impaired driving cases in jurisdictions where per se limits for drugs exist, particularly for zero-tolerance drug limits.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».