Determination of 31 Antimicrobials in Human Serum Using Ultra-High Performance Liquid Chromatography With Diode Array Detection for Application in Therapeutic Drug Monitoring
Notice bibliographique
Résumé
BACKGROUND: A versatile ultra-high performance liquid chromatography method with diode array detection was developed to quantify a wide range of antibiotics in human serum. This method addresses the need for rapid and accurate determination of antibiotic levels to ensure effective patient treatment and support the fight against antibiotic resistance. METHODS: This method assesses 31 different compounds covering β-lactams, fluoroquinolones, antifungals, antituberculars, and more. Proteins were precipitated using methanol or acetonitrile, and drugs were extracted by liquid-liquid extraction with dichloromethane. Separation of the antimicrobials was achieved on a pentafluorophenyl column, using a mobile phase of phosphoric acid (0.01 mol/L) and acetonitrile in a gradient elution mode, with a flow rate of 500 μL/min. RESULTS: Almost all compounds were detected at 200 nm. The total analysis time for this method was kept under 18 minutes, including equilibration time. CONCLUSIONS: This efficient method enables fast determination of numerous antimicrobial classes, providing clinicians with an essential tool for ensuring effective patient treatment and combating antimicrobial resistance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».