Multivariate optimization of method for analysis of emissions from heated tobacco by HS-SPME GC×GC-TOFMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cigarette smoke is a highly complex dynamic aerosol system generated by distillation, pyrolysis and combustion reactions when the tobacco is burnt. As the burning tip of a cigarette reaches temperatures up to 1000oC, more than 6800 compounds have been identified in mainstream smoke. Heating tobacco to temperatures lower than 300oC simplifies the composition of emissions by lowering the production of chemicals. The study focused on developing and optimising an analytical strategy for the characterisation of heated tobacco. Emissions were generated using an A14 smoking engine from Borgwaldt. Sampling was performed according to the Health Canada Intense applying 12 bell shaped puffs of 55ml volume, 2s puff duration and 30s interval between the puffs. Emissions were captured on glass fiber filter for Head Space Solid-Phase Micro Extraction (HS-SPME) analysis. Experimental design was applied for the optimization of the HS-SPME extraction parameters. The emmisions of heated tobacco have been analyzed by means of comprehensive two-dimennsional gas chromatography coupled to time of flight mass spectrometry (GCxGC-TOFMS). Based on initial results, the complexity of heated tobacco emissions appeared to be quite complex. The peak table-based processing software used for the study revealed up to 7000 hits (S/N > 100) depending on the SPME fiber used. Unsupervised library search results of studied emissions revealed up to 2500 unique and acceptably identified compounds (library matching higher than 75%). The range of identified compounds was in similar order of magnitude compared to combustible tobacco products studied in details earlier.
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.
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 | 0,000 |
| 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) | 0,004 | 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 découle