MétaCan
Menu
Retour à la cohorte
Enregistrement W2059622681 · doi:10.1039/b207896a

Determination of mercury by continuous flow cold vapor atomic fluorescence spectrometry using micromolar concentration of sodium tetrahydroborate as reductant solution

2002· article· en· W2059622681 sur OpenAlexafffund
Yuwei Chen, Tong Jian, Alessandro D’Ulivo, Nelson Belzile

Notice bibliographique

RevueThe Analyst · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensLaurentian University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryDilutionMercury (programming language)Analytical Chemistry (journal)HydrideMatrix (chemical analysis)SodiumDetection limitFluorescenceInorganic chemistryChromatographyMetal

Résumé

récupéré en direct d'OpenAlex

Systematic experiments were conducted to evaluate and compare the analytical figures of merit of two reducing agents (SnCl2 and NaBH4) in a continuous flow cold vapor atomic fluorescence mercury analyzer. It was found that sodium tetrahydroborate can efficiently reduce Hg2+ in various environmental samples at a concentration as low as 10 microM (ca. 3.8 x 10(-5)% w/v). Most commonly encountered transition metals (Fe2+, Fe3+, Zn2+, Cu2+, Ni2+, Pb2+ and Cr3+) did not interfere with total Hg determination. No interference from hydride-forming elements (Se4+, Sb3+ and As3+) was observed. Interference caused by Mn2+ and Ag+ could be readily removed by dilution and by using appropriate modification of the reaction matrix. A higher concentration of NaBH4 (0.1 M) is stable for I month when stored in the NaOH matrix (0.2 M) and at low temperature (4 degrees C). A working solution of NaBH4 can be freshly prepared by dilution. With NaBH4, the whole continuous flow system is kept clean much more easily as no precipitate is formed, which in turn considerably reduces memory effects, simplifies analytical operation and reduces the chemical cost six-fold.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,227 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetMercury impact and mitigation studiesTravaux en français237 207