MétaCan
Menu
Retour à la cohorte
Enregistrement W2332562400 · doi:10.1021/ac200032k

Kinetically-Calibrated Solid-Phase Microextraction Using Label-Free Standards and Its Application for Pharmaceutical Analysis

2011· article· en· W2332562400 sur OpenAlexafffund
Xu Zhang, Ken D. Oakes, Di Luong, Chris D. Metcalfe, Janusz Pawliszyn, Mark R. Servos

Notice bibliographique

RevueAnalytical Chemistry · 2011
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensTrent UniversityUniversity of Waterloo
Organismes subventionnairesCanadian Water Network
Mots-clésSolid-phase microextractionChemistryCalibrationAnalyteChromatographySample preparationProcess engineeringExtraction (chemistry)Resolution (logic)Solid phase extractionAnalytical Chemistry (journal)Computer scienceMass spectrometryGas chromatography–mass spectrometryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Pre-equilibrium solid-phase microextraction (PE-SPME) has attracted considerable research attention due to shorter sampling times and better temporal resolution than afforded by equilibrium SPME (E-SPME). However, the calibration of PE-SPME is often time-consuming and requires deuterated calibrants, which if available, are often expensive. To address these challenges, we propose a simple but versatile kinetic calibration method, in which nonisotopic (label-free) compounds of interest can supplant the use of deuterated analogues, and the need to determine partitioning coefficients inherent to earlier procedures has been eliminated. Using this approach, both free and total concentrations of analytes can be simultaneously measured within complex sample systems with high accuracy and precision. This calibration method was validated against established E-SPME and solid-phase extraction techniques through the measurement of selected pharmaceuticals in progressively complex matrixes including inorganic buffers, fish blood, and municipal wastewater effluents. This calibration approach may significantly improve time and cost-effectiveness, while improving the application of the SPME approach within highly dynamic systems.

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 candidatesMéta-épidémiologie (sens strict), Charge 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: aucune
Score de désaccord entre enseignants0,548
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,087
Tête enseignante GPT0,420
Écart entre enseignants0,333 · 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

Citations26
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAnalytical chemistry methods developmentTravaux en français237 207