MétaCan
Menu
Retour à la cohorte
Enregistrement W2094615680 · doi:10.1039/a906604g

Matrix interference diagnostics for the automation of inductively coupled plasma mass spectrometry (ICP-MS)

2000· article· en· W2094615680 sur OpenAlexafffund
John W. Tromp, Rapha�l T. Tremblay, Jean‐Michel Mermet, Eric D. Salin

Notice bibliographique

RevueJournal of Analytical Atomic Spectrometry · 2000
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCalibrationInterference (communication)Inductively coupled plasma mass spectrometryMatrix (chemical analysis)Analytical Chemistry (journal)ChemistryMass spectrometryInductively coupled plasmaStandard additionChromatographyDetection limitComputer sciencePlasmaPhysicsStatisticsMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Matrix interferences in inductively coupled plasma mass spectrometry (ICP-MS) were examined to extend the total interference level (TIL) concept from ICP-AES. The TIL model is based on measurements with different interferents to determine a set of interference coefficients. Interference is assumed to be linear with interferent concentration, since that assumption allows determination of the model parameters with the fewest experiments. The TIL model was designed to indicate when a simple external standards calibration method is inadequate for a desired level of analytical accuracy and was also tested on a simple form of internal standards. The TIL concept was tested in both an initial calibration and a daily calibration mode on the interferents Na, K, Al, Ba and Cs and works well for situations where external standards are used, recommending an inaccurate method for only 3% of cases where 10% accuracy was desired. The TIL model also works well with the very different calibration technique of internal standards, recommending an inaccurate method for 9% of cases where 10% accuracy was desired.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,285
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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 GPT0,288
Écart entre enseignants0,272 · 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.

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

Citations19
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Analytical Atomic SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207