MétaCan
Menu
Retour à la cohorte
Enregistrement W1978651618 · doi:10.1039/b607911c

Comparison of laser ablation, electrothermal vaporization and solution nebulization for the determination of radionuclides in liquid samples by inductively coupled plasma mass spectrometry

2006· article· en· W1978651618 sur OpenAlexafffund
Patrícia Grinberg, Lu Yang, Zoltán Mester, Scott Willie, Ralph E. Sturgeon

Notice bibliographique

RevueJournal of Analytical Atomic Spectrometry · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRadioactive contamination and transfer
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésVaporizationChemistrySeawaterInductively coupled plasma mass spectrometryDetection limitAnalytical Chemistry (journal)ChromatographyLaser ablationStandard solutionRepeatabilityRadionuclideMass spectrometryLaser

Résumé

récupéré en direct d'OpenAlex

The performance of solution nebulization (SN), electrothermal vaporization (ETV) and laser ablation (LA) of dried micro-droplets as sample introduction systems for ICP-MS are compared for the determination of several radionuclides in digested biological tissue, nearshore sea-water and river water. Samples were subjected to a Ca3(PO4)2 co-precipitation preconcentration prior to analysis. Each introduction system possesses unique advantages and disadvantages. ETV accommodates samples having higher dissolved solids content; consequently, for SN and LA, sample concentrates require additional dilution by 50- and 10-fold, respectively. ETV and LA achieved similar sensitivities and limits of detection, the latter ranging from 0.017 to 0.029 pg ml−1. Although SN provides the best precision (2% RSD versus 7 and 8% for ETV and LA, respectively), formation of uranium hydride can be reduced at least 100-fold using LA of dried micro-droplets of samples. The accuracy of the method was validated by determination of U and Th in NIST SRM 1566b Oyster Tissue, NRC CRM CASS-4 Nearshore Seawater and SLRS-4 Riverine Water and via spike recoveries for Pu.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,264
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations21
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Analytical Atomic SpectrometryMême sujetRadioactive contamination and transferTravaux en français237 207