MétaCan
Menu
Retour à la cohorte
Enregistrement W2937606532 · doi:10.1002/etc.4416

Development and Validation of an Efficient Method for Processing Microplastics in Biota Samples

2019· article· en· W2937606532 sur OpenAlexafffund
Zimin Yu, Bo Peng, Liang‐Ying Liu, Charles S. Wong, Eddy Y. Zeng

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésMicroplasticsBiotaEnvironmental chemistryMusselEnvironmental scienceChemistryFisheryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

= 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.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and ChemistryMême sujetMicroplastics and Plastic PollutionTravaux en français237 207