Pros and Cons of Separation, Fractionation and Cleanup for Enhancement of the Quantitative Analysis of Bitumen-Derived Organics in Process-Affected Waters—A Review
Notice bibliographique
Résumé
Oil sands process-affected water (OSPW) contains a diverse mixture of inorganic and organic compounds. Naphthenic acids (NAs) are a subset of the organic naphthenic acid fraction compounds (NAFCs) and are a major contributor of toxicity to aquatic species. Thousands of unique chemical formulae are measured in OSPW by accurate mass spectrometry and high-resolution mass spectrometry (MS) analysis of NAFCs. As no commercial reference standard is available to cover the range of compounds present in NAFCs, quantitation may best be referred to as “semi-quantitative” and is based on the responses of one or more model compounds. Negative mode electrospray ionization (ESI-) is often used for NAFC measurement but is prone to ion suppression in complex matrices. This review discusses aspects of off-line sample preparation techniques and liquid chromatography (LC) separations to help reduce ion suppression effects and improve the comparability of both inter-laboratory and intra-laboratory results. Alternative approaches to the analytical parameters discussed include extraction solvents, salt content of samples, extraction pH, off-line sample cleanup, on-line LC chromatography, calibration standards, MS ionization modes, NAFC compound classes, MS mass resolution, and the use of internal standards.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».