MétaCan
Menu
Retour à la cohorte
Enregistrement W2014293150 · doi:10.1080/10739140600605340

1‐Pyrenemethanol, a Useful Fluorometric Reagent for the Detection and Determination of Carboxylic Acids in Atmospheric Samples

2006· article· en· W2014293150 sur OpenAlexafffundabout
Lisandra Cubero‐Herrera, Robert D. Guy, Louis Ramaley

Notice bibliographique

RevueInstrumentation Science & Technology · 2006
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical Chemistry and Chromatography
Établissements canadiensDalhousie University
Organismes subventionnairesHealth Canada
Mots-clésDerivatizationReagentChemistryChromatographyDetection limitDichloromethaneHigh-performance liquid chromatographyAcetonitrileSolventCarboxylic acidResolution (logic)Organic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract A rapid fluorometric procedure for the selective and sensitive determination of carboxylic acids, based on pre‐column derivatization using 1‐pyrenemethanol, was optimized and applied to atmospheric sampling. The optimum conditions for derivatization were determined to be: reaction solvent–dichloromethane, temperature −44°C, reaction time −30 min, and reagent/total acid ratio −15. Separation of the derivatives of acids up to twenty carbons by reversed‐phase (C8) chromatography was achieved in 25 min using a water/acetonitrile gradient with a limit of detection for the derivatives of 20 pg for a 20 µL injection. A scanning detector with good spectral resolution allows qualitative identification of the components in complex samples. When used in atmospheric analysis, the recoveries of carboxylic acids from spiked samples were >80% with repeatabilities below 10% RSD. Low molecular weight acids were encountered predominantly in the vapor phase (0.20 to 92 ng/m3), whereas higher molecular weight acids were found mostly in particulate form (0.15–129 ng/m3). Keywords: Fluorescence detectionLiquid chromatographyCarboxylic acidsEnvironmental samples Acknowledgment The authors gratefully acknowledge the financial support of Health Canada through the Toxic Substances Research Initiative Program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,158
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations1
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInstrumentation Science & TechnologyMême sujetAnalytical Chemistry and ChromatographyTravaux en français237 207