Routine application of SFC‐MS in doping control: Analysis of 3 × 1000 urine samples using three different SFC‐MS instruments
Notice bibliographique
Résumé
Supercritical fluid chromatography-mass spectrometry (SFC-MS) has proved to be a beneficial tool for sample analysis for a wide variety of compounds and, as such, has recently gained the attention of the anti-doping community. We have tested the applicability of SFC-MS for routine doping control analysing approximately 3 × 1000 identical anti-doping samples utilising SFC-MS instruments from three different vendors: Agilent Technologies, Waters Corporation and Shimadzu Corporation. A 'dilute and inject' approach either without or after hydrolysis of glucuronide metabolites was applied. Most of the compounds included in our study demonstrated excellent chromatography, whereas some showed co-elution with endogenous interferences requiring MS discrimination. Retention times typically were very stable within batches (%CV ≤ 0.5%), although this appeared to be analyte and column dependent. Chromatographic peak shape was good (symmetrical) and stable over the period of the testing without any change of column. Our results suggest that SFC-MS is a sensitive, reproducible and robust analytical tool ready to be used in anti-doping laboratories alongside the currently applied techniques such as gas and liquid chromatography coupled to mass spectrometry. Even if instruments are designed slightly differently, all three setups demonstrated their fitness for the purpose in anti-doping testing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».