An optimised HS-SPME-GC-MS method for the detection of volatile nitrosamines in meat samples
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
A method to detect volatile nitrosamines in meat samples was developed using headspace sampling by solid-phase microextraction (HS-SPME), with analysis by GC-MS. A 50/30 µm divinylbenzene/carboxen/polydimethylsiloxane fused silica fibre was selected to extract a total of nine volatile nitrosamines: N-nitrosodimethylamine, N-nitrosomethylethylamine, N-nitrosodiethylamine, N-nitrosodi-n-propylamine, N-nitrosomorpholine, N-nitrosopyrrolidine, N-nitrosopiperidine, N-nitrosodi-n-butylamine, and N-nitrosodiphenylamine. Extraction at 65°C for 45 min with 36% (w/v) NaCl were the optimal conditions determined for the extraction of nine nitrosamines. Excellent linearity was obtained for all analytes with determination coefficients greater than 0.997. Recovery rates were between 92 and 113%. The relative standard deviation ranged from 0.81 to 8.0% for six of the nine compounds, and from 16 to 32% for the other three. For seven out of nine nitrosamines, limits of detection were below 3.6 µg kg−1 and the limits of quantification were below 12 µg kg−1. The nitrosamine levels in four varieties of processed meat products were investigated to assess the applicability of the method. Based on the results, the developed HS-SPME-GC-MS method proved to be a simple and efficient technique to detect seven out of nine nitrosamines in meat products with adequate sensitivity, accuracy and precision.
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) | 0,000 | 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) | 0,001 | 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 découle