Large Volume Cold On-Column Injection for Gas Chromatography−Negative Chemical Ionization−Mass Spectrometry Analysis of Selected Pesticides in Air Samples
Notice bibliographique
Résumé
A new gas chromatographic method is described for the analysis of fungicides captan, captafol, and folpet from organic extracts of air samples using large volume injection (LVI) via a cold on-column (COC) inlet coupled with gas chromatography-negative chemical ionization-mass spectrometry (GC-NCI-MS). Although standard split/splitless injection due to high injection port temperatures (>225 degrees C) have been shown to degrade these thermally labile fungicides, COC injection minimizes degradation. Insecticides such as chlorpyrifos and diazinon were also examined to show added selectivity. By using a solvent vapor exit with the COC inlet, injection volumes of 10-100 microL can be made to lower detection levels. GC-NCI-MS was compared to GC-electron impact ionization-mass spectrometry for each pesticide using LVI-COC injections and was found to be 2-80 times more sensitive, depending on the pesticide. Method detection limit (MDL) values with 100 microL injections were 2.5 microg L-1 for captan, folpet, and diazinon, 5.0 microg L-1 captafol, and 1.0 microg L-1 for chlorpyrifos, with the normal working range examined for sample analysis from MDL to 100 microg L-1. Detection of all pesticides except captafol, used only in the United States but not Canada, was demonstrated from air samples taken from Abbotsford, British Columbia, Canada.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».