Size-Resolved Identification and Quantification of Micro/Nanoplastics in Indoor Air Using Pyrolysis Gas Chromatography–Ion Mobility Mass Spectrometry
Notice bibliographique
Résumé
Humans are exposed to differing levels of micro/nanoplastics (MNPs) through inhalation, but few studies have attempted to measure <1 μm MNPs in air, in part due to a paucity of analytical methods. We developed an approach to identify and quantify MNPs in indoor air using a novel pyrolysis gas chromatographic cyclic ion mobility mass spectrometer (pyr-GCxcIMS). Four common plastic types were targeted for identification, namely, (polystyrene (PS), polyethylene (PE), polypropylene (PP), and polymethyl methacrylate (PMMA). The method was applied to size-resolved particulate (56 nm to 18 μm) collected from two different indoor environments using a Micro-Orifice Uniform Deposit Impactors (MOUDI) model 110 cascade impactor. Comprehensive two-dimensional separation by GCxcIMS also enabled the retrospective analysis of other polymers and plastic additives. The mean concentrations of MNP particles with diameters of <10 μm and <2.5 μm in the laboratory were estimated to be 47 ± 5 and 27 ± 4 μg/m 3, respectively. In the private residence, the estimated concentrations were 24 ± 3 and 16 ± 2 μg/m 3 . PS was the most abundant MNP type in both locations. Nontargeted screening revealed the presence of plastic additives, such as TDCPP (tris(1,3-dichloro-2-propyl)phosphate) whose abundance correlated with that of polyurethane (PU). This is consistent with their use as flame retardants in PU-based upholstered furniture and building insulation. This study provides evidence of indoor exposure to MNPs and underlines the need for further study of this route of exposure to MNPs and the plastic additives carried with them.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».