Use of Zr for mass bias correction in strontium isotope ratio determinations using MC-ICP-MS
Notice bibliographique
Résumé
Isotope abundance ratios and isotopic composition of strontium in a biological sample were determined using MC-ICP-MS whereby zirconium was admixed with solutions of digested NIST SRM 987 and samples and used for mass bias correction with implementation of a combination of standard-sample-standard bracketing and internal normalization. In this manner, the certified value of 8.37861 for 88Sr/86Sr in SRM 987 was used for mass bias correction of 90Zr/91Zr in two adjacent spiked solutions of SRM 987. Their average was then used to calculate mass bias corrected Sr isotope ratios in the sample. An approximate 2.5-fold improvement in precision of determination of 87Sr/86Sr and 88Sr/86Sr was obtained compared to that based on only the standard-sample-standard bracketing technique, although close matching of Sr and Zr concentrations is required in the standard and sample. Absolute isotope ratios of 0.0564240 ± 0.0000042, 0.709362 ± 0.000013 and 8.38034 ± 0.00010 (1SD) and δx/86Sr-values of −2.228 ± 0.075‰, −1.377 ± 0.018‰ and 0.207 ± 0.012‰ (1SD) for 84Sr/86Sr, 87Sr/86Sr, 88Sr/86Sr relative to SRM 987, respectively, were obtained characterizing a fish liver sample. In agreement with previous studies, evidence is presented for variation of 88Sr/86Sr in samples. Estimation of the measurement uncertainty confirmed that the major source of imprecision arises from the uncertainty in the certified value of 88Sr/86Sr in SRM 987 used for mass bias correction.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».