Determination of viloxazine by differential pulse voltammetry with boron-doped diamond electrode
Notice bibliographique
Résumé
In recent years, a significant increase in the consumption of various pharmaceuticals, including antidepressants, can be noticed. Depression is classified as chronic or recurrent mood disorder that affects about 121 million people all around the world [ 1 ]. The continuous increase in the consumption of antidepressants has been recorded in most of the well-developed countries. The Eurobarometer report from 2010 indicates that almost 7.5% of the European population use antidepressants regularly [ 2 ]. Such a large intake of antidepressants is also associated with increasing concentration of these drugs and their metabolites in the environment. Many of them are not effectively removed by wastewater treatment, thus they are getting into sources of drinking water, groundwater or bottom sediments [ 3 , 4 , 5 , 6 , 7 ]. World Health Organization in report from 2012 suggests that concentration of pharmaceuticals in environmental waters usually did not exceed 0.1 µg dm −3 [ 8 ]. However, numerous research conducted in different countries such as USA, Canada, China, or Denmark indicate the occurrence of much higher concentrations of antidepressants in surface waters, reaching even 10 µg dm −3 , what is equivalent to approximately 50 nmol dm −3 [ 5 , 9 , 10 , 11 , 12 ]. These observations prove that monitoring the presence of pharmaceutical contaminants in the environmental waters is extremely important. Thus, it is essential to develop analytical methods that allow the determination of antidepressants in both biological and environmental samples with high precision and accuracy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».