Identification and quantification of trace metal(loid)s in water-extractable road dust nanoparticles using SP-ICP-MS
Notice bibliographique
Résumé
Resuspension of road dust is a major source of airborne particulate matter (PM) in urban environments. Inhalation of ultrafine particles (UFP; < 0.1 μm) represents a health concern due to their ability to reach the alveoli and be translocated into the blood stream. It is therefore important to characterize chemical properties of UFPs associated with vehicle emissions. We investigated the capability of Single-Particle ICP-MS (SP-ICP-MS) to quantify key metal(loid)s in nanoparticles (NPs; < 0.1 μm) isolated from road dust collected in Toronto, Canada. Water extraction was performed to separate the <1-μm fraction from two different road dust samples (local road vs. arterial road) and a multi-element SP-ICP-MS analysis was then conducted on the samples' supernatants. Based on the particle number concentrations obtained for both supernatants, the metal(loid)-containing NPs could be grouped in the following categories: high (Cu and Zn, > 1.3 × 1011 particles/L), medium (V, Cr, Ba, Pb, Sb, Ce, La), low (As, Co, Ni, < 4.6 × 109 particles/L). The limit of detection for particle number concentration was below 5.5 × 106 particles/L for most elements, except for Cu, Co, Ni, Cr, and V (between 0.9 and 7.7 × 107 particles/L). The results demonstrate that road dust contains a wide range of readily mobilizable metal(loid)-bearing NPs and that NP numbers may vary as a function of road type. These findings have important implications for human health risk assessments in urban areas. Further research is needed, however, to comprehensively assess the NP content of road dust as influenced by various factors, including traffic volume and speed, fleet composition, and street sweeping frequency. The described method can quickly characterize multiple isotopes per sample in complex matrices, and offers the advantage of rapid sample scanning for the identification of NPs containing potentially toxic transition metal(loid)s at a low detection limit.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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; 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 ».