Determination of 142 Pesticides in Fruit- and Vegetable-Based Infant Foods by Liquid Chromatography/Electrospray Ionization-Tandem Mass Spectrometry and Estimation of Measurement Uncertainty
Notice bibliographique
Résumé
A liquid chromatographic/electrospray ionization-tandem mass spectrometric method was developed and validated to determine 142 pesticides in fruit- and vegetable-based infant foods, including apples, apples and bananas, pears, bananas, apple juice, peas, sweet potatoes, creamed corn, squash, and carrots. Pesticides were extracted from infant foods by using the procedure known as the quick, easy, cheap, effective, rugged, and safe (QuEChERS) method. Quantification was based on matrix-matched standard calibration curves with the use of an isotopically labeled standard or a chemical analogue as the internal standard to obtain method accuracy. The method performance parameters, including overall recovery, intermediate precision, and measurement uncertainty, were evaluated on the basis of a nested design. The performance results were calculated by using a compiled SAS program that provided a semiautomated procedure for handling a large number of calculations in a few seconds. In general, the overall recoveries, for spiking levels of 10, 50, and 80 microg/kg, fell in a range of 81-110%, intermediate precisions were <20%, and measurement uncertainties were <40%. Chlorimuron-ethyl, ethofenprox, haloxyfop, naptalam, primisulfuron-methyl, pyridalyl, pyridate, quizalofop, and tebufenozide were the method problematic pesticides that had large measurement uncertainty (>40%) due to low recovery andlor poor repeatability. The method provided an analytical range of 1-100 microg/kg with the lowest concentration level at 1 microg/kg for all pesticides (signal-to-noise ratio of >10), except for aclonifen at 5 microg/kg.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».