Development and Performance Evaluation of a Method for the Analysis of Per‐ and Polyfluoroalkyl Substances (PFAS) in Foods of Animal Origin
Notice bibliographique
Résumé
Cases of PFAS contamination of foods have become more prominent in the media, causing a steep rise in concerns about potential health implications.To better understand dietary exposure and health risk, analytical methods for the analysis of a large variety of food products are required.This study focused on methods for PFAS extraction and analysis in complex food samples of animal origin.Increased sample preparation complexity is due to the presence of proteins and fats that can bind PFAS.For this study, an alkaline extraction was performed using sodium hydroxide in methanol, followed by solid phase extraction (SPE) clean-up using mixed mode Weak Anion Exchange (WAX) chemistry, with analysis performed using UHPLC-MS/MS.This extraction method was evaluated using a suite of 30 PFAS in six different food matrices: salmon, tilapia, ground beef, beef liver, beef kidney, and egg.Further, an interlaboratory study was performed to evaluate method performance for PFHxS, PFOS, PFOA, and PFNA quantitation in fish.Overall, detection and quantitation limits were determined to be in the sub-ng/g range for all matrices.Recoveries were within FDA criteria with utilization of isotope dilution for accurate correction of recovery during calculation of PFAS concentration in samples.Each of the seven participating labs successfully implemented the method and demonstrated acceptable accuracy, trueness, repeatability, and reproducibility.These studies confirm that the described method is suitable for compliance testing in accordance with EU regulations and for risk assessment purposes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».