An efficient biosorption‐based dispersive liquid‐liquid microextraction with extractant removal by magnetic nanoparticles for quantification of bisphenol A in water samples by gas chromatography‐mass spectrometry detection
Notice bibliographique
Résumé
Abstract In this work, a simple, fast, sensitive, and environmentally friendly method was developed for preconcentration and quantitative measurement of bisphenol A in water samples using gas chromatography with mass spectrometry. The preconcentration approach, namely biosorption‐based dispersive liquid‐liquid microextraction with extractant removal by magnetic nanoparticles was performed based on the formation of microdroplet of rhamnolipid biosurfactant throughout the aqueous samples, which accelerates the mass transfer process between the extraction solvent and sample solution. The process is then followed by the application of magnetic nanoparticles for easy retrieval of the analyte‐containing extraction solvent. Several important variables were optimized comprehensively including type of disperser solvent and desorption solvent, rhamnolipid concentration, volume of disperser solvent, amount of magnetic nanoparticles, extraction time, desorption time, ionic strength, and sample pH. Under the optimized microextraction and gas chromatography with mass spectrometry conditions, the method demonstrated good linearity over the range of 0.5–500 µg/L with a coefficient of determination of R2 = 0.9904, low limit of detection (0.15 µg/L) and limit of quantification (0.50 µg/L) of bisphenol A, good analyte recoveries (84–120%) and acceptable relative standard deviation (1.8–14.9%, n = 6). The proposed method was successfully applied to three environmental water samples, and bisphenol A was detected in all 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».