MétaCan
Menu
Retour à la cohorte
Enregistrement W4403822899 · doi:10.1016/j.envadv.2024.100597

Non-target screening analysis of hazardous noxious substances using gas chromatography-quadrupole time-of-flight mass spectrometry

2024· article· en· W4403822899 sur OpenAlexaff
Gong Zhang, Keval Shah, Lauren E. Brown, Zeyu Yang, Bruce P. Hollebone, Patrick Lambert, Vanessa Beaulac

Notice bibliographique

RevueEnvironmental Advances · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryChromatographyQuadrupole time of flightChemistryQuadrupoleTime-of-flight mass spectrometryPhysicsTandem mass spectrometryIonizationOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The forensic investigation of hazardous noxious substances (HNS) is paramount for an effective response to chemical spill emergencies and other accidents. Analyzing unknown emergency samples poses a challenge due to the limited availability of background information, making the selection of appropriate sample preparation and analytical methodologies difficult. The utilization of high-resolution mass spectrometers (HRMS) in screening both target and non-target substances proves instrumental in revealing hazardous substances that may be overlooked alongside the intended analytes. In this study, a gas chromatography-quadruple time-of-flight mass spectrometer (GC-QTOF-MS) was employed to identify numerous organic compounds in an indoor dust sample. The compounds detected encompassed normal alkanes, fatty acids (saturated and unsaturated), alcohols, phenols, sterols, drugs, polycyclic aromatic hydrocarbons (PAHs), pesticides, flame retardants (such as polybrominated biphenyl ethers, PBDEs), plasticizers (such as phthalates and phosphates), among others. Notably, concentrations of n-alkanes, fatty acids, and phthalates were relatively high, while PAHs and pesticides were present at trace levels. The application of GC-QTOF-MS provides a swift and confirmative approach for analyzing target, suspect, and non-target compounds in both routine and emergency scenarios. This methodology proves invaluable in enhancing our capability to comprehensively assess and address chemical incidents, ensuring a more thorough and accurate response.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,227
Écart entre enseignants0,222 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental AdvancesMême sujetToxic Organic Pollutants ImpactTravaux en français237 207