Comparison of Gas Chromatography-Mass Spectrometry and Gas Chromatography-Tandem Mass Spectrometry with Electron Ionization and Negative-Ion Chemical Ionization for Analyses of Pesticides at Trace Levels in Atmospheric Samples
Notice bibliographique
Résumé
A comparison of detection limits of gas chromatography-mass spectrometry (GC-MS) in selected ion monitoring (SIM) with gas chromatography-tandem mass spectrometry (GC-MS/MS) in selected reaction monitoring (SRM) mode with both electron ionization (EI) and negative-ion chemical ionization (NCI) are presented for over 50 pesticides ranging from organochlorines (OCs), organophosphorus pesticides (OPs) and pre-emergent herbicides used in the Canadian prairies (triallate, trifluralin, ethalfluralin). The developed GC-EI/SIM, GC-NCI/SIM, and GC-NCI/SRM are suitable for the determination of pesticides in air sample extracts at concentrations <100 pg microL(-1) (<100 pg m(-3) in air). No one method could be used to analyze the range of pre-emergent herbicides, OPs, and OCs investigated. In general GC-NCI/SIM provided the lowest method detection limits (MDLs commonly 2.5-10 pg microL(-1)) along with best confirmation (<25% RSD of ion ratio), while GC-NCI/SRM is recommended for use where added selectivity or confirmation is required (such as parathion-ethyl, tokuthion, carbofenothion). GC-EI/SRM at concentration <100 pg microL(-1) was not suitable for most pesticides. GC-EI/SIM was more prone to interference issues than NCI methods, but gave good sensitivity (MDLs 1-10 pg microL(-1)) for pesticides with poor NCI response (OPs: sulfotep, phorate, aspon, ethion, and OCs: alachlor, aldrin, perthane, and DDE, DDD, DDT).
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».