Development and Validation of an Efficient Method for Processing Microplastics in Biota Samples
Notice bibliographique
Résumé
Abstract The impacts of microplastics on aquatic ecosystems and biota are gaining attention globally. Although microplastics have been widely detected in biota, there currently are few standardized detection and identification methods. The present study developed a novel one-step digestion method which was evaluated with mussel and fish samples. This method employed nitric acid and hydrogen peroxide (HNO3:H2O2 = 4:1 by volume) as digestion reagents, which completely digested biota samples <5 g weight within 30 min at 50 °C. A density separation step was subsequently used to remove organic residues as necessary. The efficiency and suitability of this method were tested by spiking microplastics of 7 different types and of various sizes (1000, 900, 675, 300, 250, and 150 μm) into mussel and gastrointestinal tracts of fish. The recoveries of microplastics ranged from 90 to 100%. No significant changes in weight, surface area, and particle size (t test, p > 0.05) were observed for all tested polymers. Fourier transform infrared spectral analyses demonstrated that the method did not degrade any of the polymers except for polyethylene terephthalate. The method was demonstrated with mussel and fish samples collected from the Pearl River delta, south China, and was able to recover microplastics effectively. Overall, the present method is time-saving and easy to operate, with low procedural cross-contamination. The properties of microplastics recovered by the present method remained largely intact, greatly benefiting subsequent qualitative and quantitative analyses. Environ Toxicol Chem 2019;38:1400–1408. © 2019 SETAC Abstract Development and validation of an efficient method for processing microplastics in biota samples
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) | 0,000 | 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) | 0,000 | 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 ».