Development of oral fluid toxicology screening methodologies used to compare commercial and non-commercial driver populations
Notice bibliographique
Résumé
Development of a rapid, simple extraction method followed by qualitative screening using liquid chromatography tandem mass spectrometry (LC-MS/MS) for drugs in oral fluid is presented. The decision points were selected to be at, or lower, than those recommended as Tier I compounds by the National Safety Council’s Alcohol, Drugs, and Impairment Division (NSC-ADID) for toxicological investigation of driving under the influence of drugs cases (DUID) and were also at, or lower, than those recommended by Substance Abuse and Mental Health Service Administration (SAMHSA) and the Department of Transportation (DOT) for Federal workplace drug testing programs. In response to the NSC-ADID Tier II recommendations a method for analysis by liquid chromatography–quadrupole time of flight tandem mass spectrometry (LC-QTOF-MS) for drugs in oral fluid collected with the Quantisal™ device has been developed. The decision point cut-off concentrations were at, or below, those recommended toxicological investigation of driving under the influence of drugs cases. The supporting mass spectral-based screening library was adapted from commercially available databases and in-house development included Tier I and II recommended compounds. In 2024, a drug prevalence roadside survey was performed in the Yukon territory of Canada. Volunteers operating motor vehicles on Wednesday through Saturday nights during the months of June through August were asked to donate oral fluid samples and participate in a quick questionnaire of past and present drug use. Samples were collected from 294 non-commercial drivers and 220 commercial drivers. Oral fluid sample collection was chosen as the preferred sample matrix due to the ease of collection for the donor. Drugs in oral fluid are indicative of those compounds circulating in the blood at the time of collection. Drugs are deposited in oral fluid by diffusion from blood or coating the oral mucosa. Studies have shown similar drug class results when oral fluid and blood are compared (Kelley-Baker, 2014). Oral fluid samples were tested using both qualitative screening methods and later confirmed by drug class specific LC-MS/MS analysis. Results highlight the need for more comprehensive DUID testing with drug positivity rates increasing from 16% to 25% in both commercial and non-commercial drivers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».