Microwave-Assisted Extraction for Quantification of Microplastics Using Pyrolysis–Gas Chromatography/Mass Spectrometry
Notice bibliographique
Résumé
Microplastics are now recognized as a persistent and global pollutant. To quantitively measure microplastics in environmental matrices, several techniques are used including new methods using pyrolysis-gas chromatography/mass spectrometry (Py-GC/MS). In the present study, a new extraction method using microwave-assisted extraction (MAE) combined with Py-GC/MS was developed to extract and quantify a wide range of plastic polymers, and the method was validated using different environmental matrices. This new extraction method was able to extract polyethylene, polystyrene, polypropylene, poly(methyl-methacrylate) (PMMA), polyvinylchloride (PVC), and polycarbonate in dichloromethane with good recoveries (92.9-119.7%). The limit of detection and limit of quantification (LOQ) of the method ranged from 0.002 to 0.18 µg and from 1.2 to 5.8 µg, respectively. Intra- and interday repeatability values with coefficients of variation less than 25% for all polymers were obtained. Method validation also included a spike and recovery using all polymers from clean water, dirty water, and shrimp and salmon fillet samples, with recoveries of 85 to 111, 87 to 138, 81 to 122, and 50 to 151%, respectively. Finally, the method was tested on unspiked wild mussels and bottled water for proof-of-concept. Both polyethylene and PVC were detected and quantified in mussels, and polycarbonate and polypropylene were detected below the LOQ. For bottled water, polypropylene, polystyrene, and polycarbonate were all detected below the LOQ. We introduce a method combining MAE and Py-GC/MS as a tool for mass quantification of microplastics. This method can be used as a stand-alone, or as a complementary method to spectroscopic techniques. Environ Toxicol Chem 2021;40:2733-2741. © 2021 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 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 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 ».