MétaCan
Menu
Retour à la cohorte
Enregistrement W2781605240 · doi:10.1021/acs.analchem.7b04376

Low-Temperature and Atmospheric Pressure Sample Digestion Using Dielectric Barrier Discharge

2018· article· en· W2781605240 sur OpenAlexaff
Yijing Luo, Yuan Yang, Yao Lin, Yunfei Tian, Li Wu, Lu Yang, Xiandeng Hou, Chengbin Zheng

Notice bibliographique

RevueAnalytical Chemistry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésChemistryAtmospheric pressureDielectric barrier dischargeDigestion (alchemy)DielectricSample (material)Analytical Chemistry (journal)Environmental chemistryChromatographyOptoelectronicsMeteorology

Résumé

récupéré en direct d'OpenAlex

A new sample digestion method using a double layer and coaxial dielectric barrier discharge (DBD) digestion reactor was developed for the sensitive determination of trace elements in rice samples. All the operation parameters of the DBD microplasma and other digestion conditions were carefully optimized. Three DBD-digestion modes were investigated for real matrix samples, including H 2 O-DBD-digestion, H 2 O 2 -DBD-digestion, and HNO 3 -DBD-digestion systems. Among the three modes, the H 2 O-DBD-digestion system provides a suitable digestion of sample without any additional chemicals, achieving environmental friendly sample treatment and eliminating the potential interferences. Under the optimized conditions, limits of detection for Mg, Mn, Zn, Cd, Cr, Co, and As were in the range of 0.01–0.35 ng g –1 by inductively coupled plasma mass spectrometry (ICPMS). The accuracy of the proposed method was checked by analysis of a certified reference material (GBW10043) and spiked samples with satisfactory results (83–113% recoveries).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetPlasma Applications and DiagnosticsTravaux en français237 207