MétaCan
Menu
Retour à la cohorte
Enregistrement W2035293279 · doi:10.1021/es8001162

Application of Solid-Phase Microextraction for In Vivo Laboratory and Field Sampling of Pharmaceuticals in Fish

2008· article· en· W2035293279 sur OpenAlexafffund
Simon Ningsun Zhou, Ken D. Oakes, Mark R. Servos, Janusz Pawliszyn

Notice bibliographique

RevueEnvironmental Science & Technology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanadian Water Network
Mots-clésSolid-phase microextractionChromatographyIn vivoChemistryEnvironmental scienceEnvironmental chemistryGas chromatography–mass spectrometryMass spectrometryBiotechnologyBiology

Résumé

récupéré en direct d'OpenAlex

Previous field studies utilizing solid-phase microextraction (SPME) predominantly focused on volatile and semivolatile compounds in air or water. Earlier in vivo sampling studies utilizing SPME were limited to the liquid matrix (blood). The present study has expanded the SPME technique to semisolid tissues under laboratory and field conditions through the investigation of both theoretical and applied experimental approaches. Pre-equilibrium extraction and desorption were performed in vivo in two separate animals. Excellent linearity was found between the amounts extracted by SPME from the muscle of living fish and the waterborne concentrations of pharmaceuticals. A simple SPME method is also described to simultaneously determine free and total analyte concentrations in living tissue. The utility of in vivo SPME sampling was evaluated in wild fish collected from a number of different river locations under varying degrees of influence from municipal wastewater effluents. Diphenhydramine and diltiazem were detected in the muscle of fish downstream of a local wastewater treatment plant. Based on this study, SPME demonstrated several important advantages such as simplicity, sensitivity, and robustness under laboratory and in vivo field sampling conditions.

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 enseignants0,105
Score d'incertitude au seuil0,812

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
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 Opus0,024
Tête enseignante GPT0,354
Écart entre enseignants0,329 · 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

Citations133
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207