Ligandless, Task-Specific Ionic Liquid-Based Ultrasound-Assisted Dispersive Liquid–Liquid Microextraction for the Determination of Cobalt Ions by Electrothermal Atomic Absorption Spectrometry
Notice bibliographique
Résumé
Ligandless, task-specific ionic liquid based ultrasound-assisted dispersive liquid–liquid microextraction (TSIL-USA-DLLME) was used for preconcentration of cobalt ions in food and water samples and in vitamin supplements before analysis by electrothermal atomic absorption spectrometry. The reported method is free of toxic volatile organic solvents and does not require the use of a back-extraction step. The dispersion of extractant was achieved with the use of ultrasound. A TSIL, trioctylmethylammonium thiosalicylate (TOMATS), was served as both the extraction and complexing agent. After microextraction, the TOMATS phase was separated by centrifugation and dissolved in ethanol before analysis. Selected parameters affecting the microextraction including the pH of the sample, the volume of the ionic liquid, the ultrasonication time, centrifugation parameters, and the influence of ionic strength were optimized. The limit of detection was 0.011 ng mL−1 for cobalt ions. The achieved preconcentration factor was 24. The relative standard deviations for the determination of analyte in the real samples were 3–24%. The accuracy of this method was evaluated by the extraction and determination of the analyte in several certified reference materials including INCT-SBF-4 (soya bean flour), INCT-TL-1 (tea leaves), ERM-CAO11b (hard drinking water), INCT-MPH-2 (mixed Polish herbs), TMDA-54.5 (Lake Ontario Water), and NIST 1643e. The measured cobalt contents were in satisfactory agreement with the certified concentrations based on Student’s t-test at the 95% confidence level. The presented method has been successfully applied for the determination of analyte in real samples that include tea, lake water, and vitamin supplements.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».