Analytical Developments for the Characterization of Nanomaterials inConsumer Products, Environmental and Medicinal Samples
Notice bibliographique
Résumé
Nanomaterials (NM) open huge prospects for innovation in different fields such as medicine, electronics, cosmetics and materials.However, their uses raise questions about possible risks to the environment and humans.The development of suitable protocols for the physicochemical characterization (size distribution, shape and chemical composition) of such materials is a fundamental issue for coming years.To meet the needs of various industrials producing or using NM, UT2A has developed new analytical approaches.The first one is focused on the determination of the size distribution of nano-scale particles using Dynamic Light Scattering detector (DLS) and a splitting system (by size and weight) such as Asymmetrical Flow Field Flow Fractionation hyphenated with a Multi Angle Laser Light Scattering detector (A4F-MALLS).The second approach is based on a comprehensive physicochemical characterization made by the combination of A4F-MALLS with an UV detector and an Inductively Coupled Plasma Mass Spectrometer (ICP-MS).The Single Particle-ICPMS has also been used to characterize NM.This study is first focused on the characterization of NM in consumer products such as sunscreens, candies or juices.The results obtained by the different analytical approaches are also discussed.Then the same techniques were used for environmental (colloids and NPs in effluent processes) and pharmaceutical applications.This work has enabled to develop and validate an approach to global physicochemical characterization of nanomaterials in complex matrices.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».