MétaCan
Menu
Retour à la cohorte
Enregistrement W2084458672 · doi:10.5539/gjhs.v7n2p66

Measurement of Microcystin -LR in Water Samples Using Improved HPLC Method

2014· article· en· W2084458672 sur OpenAlexvenueno aff
Hamid Reza Shamsollahi, Mahmood Alimohammadi, Ramin Nabizadeh, Shahrokh Nazmara, Amir Hossein Mahvi

Notice bibliographique

RevueGlobal Journal of Health Science · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesTehran University of Medical Sciences and Health Services
Mots-clésChromatographyMicrocystinHigh-performance liquid chromatographyDetection limitMicrocystin-LRAcetonitrileChemistryPotable waterCyanobacteriaEnvironmental scienceBiologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Microcystins are a group of toxic compounds produced by freshwater cyanobacteria and cause diseases. World Health Organization has recommended a concentration of 1 µg/l for Microcystin-LR (MC-LR) in potable water as guideline value. The high performance liquid chromatography (HPLC) followed by C18 analytical column and ultra violet detector for detection of MC-LR. In this regard, 5 different concentrations of MC-LR solutions were injected into HPLC. MC-LR was detected in 5.33 minute retention time and Calibration curve was achieved with R(2) = 0.988. Detection limit for this method was obtained by using acetonitrile solutions (32% and 55%) as a gradient run and a high silanol activity column equal to 0.02 µg /mL. Despite no acidic organic modifier being used in the mixture of solvents, the sensitivity of this method was appropriate for detection of MC-LR. Because of short retention time, reduction in number of solvents and high resolution and suitable sensitivity, this method is affordable and is fast for detection and determination of MC-LR in potable water.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,311
Écart entre enseignants0,280 · 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

Citations30
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207