Determination of Pesticide Residue Transfer Rates (Percent) from Dried Tea Leaves to Brewed Tea
Notice bibliographique
Résumé
This paper presents a study on pesticide residue transfer rates (%) from dried tea leaves to brewed tea. In the study, a brewing procedure simulated the preparation of a hot tea drink as in routine. After brewing, pesticide residues were extracted from brewed tea using a method known as QuEChERS (quick, easy, cheap, effective, rugged, and safe). An UHPLC/ESI-MS/MS method was developed and validated to identify and quantify up to 172 pesticides in both tea leaves and brewed tea samples. Quantification was achieved using matrix-matched standard calibration curves with isotopically labeled standards or a chemical analogue as internal standards, and the calibration curves consisted of six points (0.4, 2.0, 8.0, 16.0, 24.0, and 40.0 μg/L equivalent in sample). The method was validated at four concentration levels (4.0, 12, 20.0, and 32.0 μg/L equivalent in sample) using five different brewed tea matrices on two separate days per matrix. Method performance parameters included overall recovery, intermediate precision, and measurement uncertainty, which were evaluated according to a nested experimental design. Approximately, 95% of the pesticides studied had recoveries between 81 and 110%, intermediate precision ≤20%, and measurement uncertainty ≤40%. From a pilot study of 44 incurred tea samples, pesticide residues were examined for their ability to transfer from dried tea leaves to brewed tea. Each sample, both tea leaves and brewed tea, was analyzed in duplicate. Pesticides were found to have different transfer rates (%). For example, imidacloprid, methomyl, and carbendazim had transfer rates of 84.9, 83.4, and 92.4%, respectively.
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) | 0,000 | 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 ».