Analytical Assessment of Nitroimidazoles in Honey Samples from South eastern Albania, utilizing SupelMIP™ SPE Columns with LC/MS-MS
Notice bibliographique
Résumé
The global issue of colony collapse disorder (CCD) has led to substantial losses in bee populations, affecting both apiculture and agriculture reliant on bees for pollination.Despite extensive investigations into potential causes, the precise reasons behind honey bee decline, particularly related to nitroimidazoles such as metronidazole (MNZ), dimetridazole (DMZ), ronidazole (RNZ), and ipronidazole (IPZ), remain elusive.This study explores the impact of nitroimidazoles on honey bee health, emphasizing the need for effective analytical methods.The investigation focuses on the utilization of SupelMIP™ SPE columns in conjunction with LC-MS/MS for evaluating nitroimidazoles in honey.The method shows high sensitivity and selectivity, addressing challenges associated with matrix effects.The study includes honey samples collected from the southeastern region of Albania, employing a meticulous sample preparation protocol.The analytical methodology, employing SupelMIP™ SPE columns, demonstrates excellent extraction efficiency, minimal matrix interference, and adherence to regulatory detection limits.The research reveals the presence of nitroimidazoles in certain honey samples, with concentrations exceeding regulatory standards.Chromatograms obtained through LC-MS/MS confirm the reliability of the method.The results emphasize the significance of monitoring nitroimidazole residues in honey to safeguard bee health and ensure the integrity of honey as a consumable product.Furthermore, the study delves into the optimization of mass spectrometer conditions, presenting detailed MS/MS parameters for target analytics.Conclusions highlight the effectiveness of the SupelMIP™ SPE column extraction method, offering advantages over alternative approaches.The research also discusses the broader implications of nitroimidazole residues in honey for human health, underscoring the importance of stringent monitoring practices.In conclusion, the combination of SupelMIP™ SPE columns with LC-MS/MS emerges as a robust and efficient approach for evaluating nitroimidazoles in honey, contributing valuable insights to the ongoing discussions on honey bee health and food safety.
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 | 0,001 | 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 | 0,000 |
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 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 ».