In-Tube Solid-Phase Microextraction Coupled to Capillary LC for Carbamate Analysis in Water Samples
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recently, the on-line sample preparation technique, intube solid-phase microextraction (SPME), was successfully implemented with a Hewlett-Packard 1100 HPLC system for analysis of carbamates in water samples. This paper describes the coupling of in-tube SPME to capillary LC and explores its utility as a sample preparation method in that format, relative to conventional LC. The Hewlett-Packard HPLC system was upgraded to a capillary LC system using commercially available accessories from LC Packings. The combination of in-tube SPME with a capillary LC system was expected to build on the merits of both in-tube SPME and the capillary LC to generate a sensitive method with an easy, effective, and efficient sample preparation. Due to the relatively large effective injection volume of the in-tube SPME technique (30-45 microL), on-column focusing was employed in order to achieve good chromatographic efficiency. Excellent sensitivity was achieved with very good method precision. For all carbamates studied, the RSD of retention time was between 0.5 and 0.8% under 4 microL/min microgradient conditions. The RSD of peak area counts was between 1.5 and 4.6%. The detection limits for all carbamates studied were less than 0.3 microg/L and, for carbaryl, just 0.02 microg/L (20 ppt). Compared with the conventional in-tube SPME/LC method, the LODs were lowered for carbaryl, propham, methiocarb, promecarb, chlorpropham, and barban, by factors of 24, 45, 42, 81, 62, and 56, respectively. The optimized method was successfully applied to the analysis of carbamates in surface water samples.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,000 |
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.
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 découle