Unraveling Matrix Effects: A Study on Drugs of Abuse in Wastewater Samples from Southern Ontario, Canada
Notice bibliographique
Résumé
Wastewater composition presents significant analytical challenges in accurately quantifying drugs of abuse (DOAs) due to matrix effects (MEs), a common issue in liquid chromatography–tandem mass spectrometry (LC–MS/MS). This study presents an optimized workflow using solid-phase extraction (SPE) and LC–MS/MS to mitigate matrix effects while maintaining adequate detection limits for the target analytes. The optimized method uses Bond Elut Nexus weak cation exchange cartridges, achieving recoveries between 60 and 100%, and demonstrates superior matrix effect reduction compared to Bond Elut Plexa PCX and Oasis hydrophilic–lipophilic balance (HLB) cartridges. Matrix effect mitigation was further improved by diluting the extract with a selected concentration factor (CF) of 50. The method was validated, exhibiting a linearity of R 2 ≥ 0.9912 and limits of detection ranging from 0.01 to 0.2 ng L –1 . The method was applied to raw wastewater samples from seven municipalities in southern Ontario, Canada, to explore the influence of analyte hydrophobicity, chromatography separation, and population density on matrix effects. The results indicate no clear trends among population density, analyte hydrophobicity, and matrix effects. Additionally, the retention-time-matched correction using the nearest internal standard is ineffective for addressing matrix effects. This work contributes valuable insights to advancing standardized analytical methods applicable within wastewater-based surveillance (WBS) programs to estimate drug consumption worldwide.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».