Embedding Mixed Sorbents in Binder: Solid-Phase Microextraction Coating with Wide Extraction Coverage and Its Application in Environmental Water Analysis
Notice bibliographique
Résumé
Solid-phase microextraction (SPME) is a simple and highly effective sample-preparation technique for water analysis. However, the extraction coverage of a given SPME device with a specific coating can be an issue when analyzing multiple environmental contaminants. Therefore, instead of synthesizing one sorbent material with dual or multiple functions, we investigated a new strategy of preparing SPME blades using a homogeneous slurry made by mixing three different sorbent particles─namely, hydrophobic/lipophilic balanced (HLB), HLB-weak cationic exchange (HLB-WCX), and HLB-weak anionic exchange (HLB-WAX)─with a polyacrylonitrile (PAN) binder. The developed coating is matrix compatible, as the binder functions not only as a glue for immobilizing the sorbent particles but also as a porous filter, which only allows small molecules to enter the pores and interact with the particles, thus avoiding contamination from large elements. The results confirmed that the proposed mixed-coating SPME device provides good extraction performance for polar and nonpolar as well as positively and negatively charged compounds. Based on this device, three comprehensive analytical methodologies─high-throughput SPME-LC-MS/MS (for the quantitative analysis of targeted drugs of abuse and artificial sweeteners), in-bottle SPME-LC-high resolution MS (HRMS) (for the untargeted screening of organic contaminants), and on-site drone sampling SPME-LC-HRMS (for on-site sampling and untargeted screening)─were developed for use in environmental water analysis. The resultant data confirm that the proposed strategies enable comprehensive water quality assessment by using a single SPME device.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».