Metals in aerosolizable and water-extractable ultrafine road dust particles
Notice bibliographique
Résumé
Transition metals in inhaled particles are believed to play a central role in the development of respiratory diseases by inducing cellular oxidative stress.Exposure to airborne ultrafine particles (UFP; < 0.1 m) is of particular concern due to their ability to reach the alveoli and be translocated into the blood stream.Data on elemental composition of UFP remain limited due to challenges in collecting enough material for chemical analysis.This study characterized UFP-bound metal(loids) in road dust samples using two different approaches: (i) resuspension / size-fractionation and (ii) water extraction / single-particle ICP-MS (sp-ICP-MS).In approach I, triplicate road dust samples were resuspended using a fluidized bed aerosol generator connected to a cascade impactor for separation of particles into size fractions ranging from 0.01 to 10 m.The dust-loaded filters were acid digested (HNO 3 /HF) and elemental concentrations were measured using ICP-MS or ICP-OES.The most abundant elements in UFP were Si, Fe, Al, and Mg (> 1 wt.%); these elements are related to the dust matrix.Among the contaminants often associated with vehicular emissions, Zn, Ti, Ba and Cr were moderately abundant (500 to 1000 mg kg -1 ), while Ce, V, Sb, Co, La and Cd were in concentrations 100 mg kg -1 .However, some metal(loid)s (Cu, Sn, Pb, Ni, Bi and As) could not be quantified due to the potential cross-contamination by bronze beads during resuspension.Therefore, approach II relies on a water extraction to extract readily mobilizable UFP.The elemental composition, number, concentration, and size distribution of nanoparticles in the water extracts were determined using sp-ICP-MS.The occurrence of Cu-, Pb-, Ni-and As-containing nanoparticles was confirmed in these water extracts.The highest number concentrations were measured for Cu and Zn, followed by V, Cr, and Ba.In line with results from approach I, higher numbers of nanoparticles were measured in water extracts from the local road compared to the arterial road dust.Our results provide evidence that potentially toxic metal(loid)s (Cd, Cr, Co, Ni, Pb, As, Sb) co-occur in UFP from resuspended road dust, which has important implications for human health risk assessments of non-exhaust emissions.
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 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».