Characterization of scrubber water discharges from ships using comprehensive suspect screening strategies based on GC-APCI-HRMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An extended suspect screening approach for the comprehensive chemical characterization of scrubber discharge waters from exhaust gas cleaning systems (EGCSs), used to reduce atmospheric shipping emissions of sulphur oxides, was developed. The suspect screening was based on gas chromatography coupled with high-resolution mass spectrometry (GC-HRMS) and focused on the identification of polycyclic aromatic hydrocarbons (PAHs) and their alkylated derivatives (alkyl-PAHs), which are among the most frequent and potentially toxic organic contaminants detected in these matrices. Although alkyl-PAHs can be even more abundant than parent compounds, information regarding their occurrence in scrubber waters is scarce. For compound identification, an in-house compound database was built, with 26 suspect groups, including 25 parent PAHs and 23 alkyl-PAH homologues. With this approach, 7 PAHs and 12 clusters of alkyl-PAHs were tentatively identified, whose occurrence was finally confirmed by target analysis using GC coupled with tandem mass spectrometry (GC-MS/MS). Finally, a retrospective analysis was performed to identify other relevant (poly)cyclic aromatic compounds (PACs) of potential concern in scrubber waters. According to it, 18 suspect groups were tentatively identified, including biphenyls, dibenzofurans, dibenzothiophenes and oxygenated PAHs derivatives. All these compounds could be used as relevant markers of scrubber water contamination in heavy traffic marine areas and be considered as potential stressors when evaluating scrubber water toxicity.
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.
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) | 0,014 | 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 découle