MétaCan
Menu
Retour à la cohorte
Enregistrement W4401336291 · doi:10.1111/1556-4029.15592

Forensic application of sandpaper spray ionization mass spectrometry (<scp>SPS</scp>‐<scp>MS</scp>): Direct analysis of solid pharmaceutical formulations and edible cannabis products

2024· article· en· W4401336291 sur OpenAlexafffund
Karl Angelo M. Rodrillo, Diego Magalhães Costa, Sarah F. C. Viana, Hasti Shahbazi, Rodinei Augusti, Demian R. Ifa

Notice bibliographique

RevueJournal of Forensic Sciences · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésMass spectrometryChromatographyChemistryElectrospray ionizationSandpaperMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, we employed a new ambient ionization mass spectrometry technique, sandpaper spray mass spectrometry (SPS‐MS), as an efficient tool to analyze pills and tablets of pharmaceutical formulations. The following samples were analyzed: regulators of blood pressure, cholesterol, and diabetes, and drugs for the treatment of erectile dysfunction (ED). Additionally, a hard candy of Cannabis sativa containing Δ9‐tetrahydrocannabinol (Δ 9 ‐THC) and its related isomer cannabidiol (CBD) was also evaluated. The surfaces of the samples, without any prior treatment, were sanded onto triangular‐cut sandpaper, and full MS scans (and MS/MS) were acquired in both positive and negative ionization modes. SPS‐MS (and MS/MS) allowed for prompt detection of the active pharmaceutical ingredients (APIs) in each formulation. Other components of the formulations, added as excipients, were also tentatively identified. The results described herein indicate that the SPS‐MS technique can be applied to fast screening of pills and tablets being potentially used as an efficient tool to detect counterfeit pharmaceutical and illicit products, a current issue of increasing concern.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,034
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,310
Écart entre enseignants0,293 · 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 tête enseignante, 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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207