MétaCan
Menu
Retour à la cohorte
Enregistrement W4395021333 · doi:10.1021/acs.analchem.3c05198

Resolving Uncertainties in the Quantification of Trace Elements within Organic-Rich Boreal Rivers for AF4-UV-ICP-MS Analysis

2024· article· en· W4395021333 sur OpenAlexafffund
Yu Wang, Chad W. Cuss, Lei Pei, William Shotyk

Notice bibliographique

RevueAnalytical Chemistry · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueField-Flow Fractionation Techniques
Établissements canadiensMemorial University of NewfoundlandUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada's Oil Sands Innovation AllianceAlberta Innovates
Mots-clésChemistryColloidEnvironmental chemistryContaminationField flow fractionationFractionationOrganic matterAqueous solutionAdsorptionTrace metalDissolved organic carbonAnalytical Chemistry (journal)MetalChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Over the past few decades, asymmetric flow field-flow fractionation (AF4) has emerged as a robust technique for the separation of colloid-associated trace elements (TEs) in aqueous samples. Nevertheless, little is known about potential artifacts and how to control them when measuring the concentrations of colloid-associated elements at low (μg L –1 ) or ultralow concentrations (ng L –1 ) using AF4-UV-ICP-MS. Water from a boreal river was selected as a challenging test material due to its high concentrations of dissolved organic matter (DOM) and Fe-rich colloids. These colloids are expected to be significant contributors to artifact occurrence, even in a metal-free, ultraclean laboratory. The results show that the adsorption of Mn, Co, Ni, Cu, and Pb onto acid-cleaned, non-channel surfaces (such as connection tubing and autosampler) accounted for up to 48% of TE loss. These losses on non-channel surfaces also represent potential sources of cross-contamination for Co, Ni, Cu, and Pb. New, uncleaned poly(ether sulfone) membranes are also sources of contamination for Ni and Cu. Analytical bias may exist in the measured concentrations of TEs, primarily due to the potential carryover of weakly adsorbed TEs (e.g., Ni and Cu) on the system surfaces by colloids in the samples (e.g., DOM). On the other hand, colloids in the samples can also act to gradually remove contaminants from the surfaces. For these types of DOM-rich waters, preconditioning the AF4 system using 40 mg C L –1 of Suwannee River Natural Organic Matter (SRNOM, pH = 7) is recommended to mitigate the impact of membrane fouling and carryover. A comprehensive strategy for minimizing instrumental artifacts is presented and discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,273
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetField-Flow Fractionation TechniquesTravaux en français237 207