MétaCan
Menu
Retour à la cohorte
Enregistrement W4403071128 · doi:10.1093/clinchem/hvae106.619

B-262 Validation of a point-of-care lateral flow immunoassay for urine drug testing prior to application in an outpatient rapid access addiction medicine clinic

2024· article· en· W4403071128 sur OpenAlexaff
Matthew J. Bohn, Sarah Delaney, Benjamin Jung, W.H. Lamb, Felix W. Leung

Notice bibliographique

RevueClinical Chemistry · 2024
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésUrineMedicinePoint-of-care testingDrugImmunoassayPoint of careAddictionEmergency medicineIntensive care medicineInternal medicinePharmacologyPsychiatryPathologyAntibodyImmunology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Point-of-care (POC) urine drug testing is a useful adjunct to self-reporting in rapid access addiction medicine settings to immediately guide patient management. However, available POC immunoassays have limitations including cross-reactivity with unrelated compounds or low sensitivity that may cause false results. Here, we assessed the performance of a multi-drug test panel by comparing against gold-standard liquid chromatography tandem mass spectrometry (LC-MS/MS) testing. Methods 102 residual urine specimens were assayed using a competitive lateral flow immunoassay (LFA) for 10 drugs: 2-ethylene-1,5-dimethyl-3,3-diphenylpyrrolidine (EDDP, methadone metabolite), buprenorphine, morphine, hydromorphone, oxycodone, fentanyl, cocaine, methamphetamine, amphetamine, and benzodiazepines (BTNX Rapid ResponseTM Multi-Drug Panel). Results were compared to those obtained by LC-MS/MS (n=67, 66%) or kinetic interaction of microparticles in solution automated immunoassay (KIMS) (Roche Diagnostics, n=35, 33%). Broad spectrum LC-MS/MS results were reviewed in entirety for discordant cases, particularly in false positives to identify the presence of any known cross-reacting compounds. Results Of 10 drugs evaluated, four demonstrated ≥95% agreement with LC-MS/MS or KIMS immunoassay (EDDP, buprenorphine, oxycodone, methamphetamine). Fentanyl demonstrated the highest false negative rate of 44% (LFA cut-off: 10 ng/mL) followed by amphetamines (22%, cut-off: 1000 ng/mL). Morphine and hydromorphone demonstrated false positive rates of 14% and 18%, respectively, with most cases likely due to cross-reacting opiate or opioid metabolites. Benzodiazepines (target: Oxazepam) demonstrated false positive and negative rates of 13% and 24%, respectively. Conclusions To our knowledge, this is the first study to evaluate the performance of the BTNX multi-drug test panel against definitive testing in urine samples. While good concordance was observed for most drugs, high rates of discordant results for fentanyl and others emphasize the need for confirmatory testing by methods with higher sensitivity and specificity. Careful consideration prior to implementation would be essential, including physician education, interpretative comments, and training resources.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,771
Score d'incertitude au seuil0,442

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,138
Tête enseignante GPT0,486
Écart entre enseignants0,348 · 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'étudeAutre devis
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetPharmaceutical studies and practicesTravaux en français237 207