Mobility of essential macro- and micro-elements in interaction between artificial sweat and potential peloids of some saline lakes in Mongolia
Notice bibliographique
Résumé
Abstract Individuals may experience health issues attributable to environmental pollution, sedentary lifestyles, and unhealthy dietary habits. In response, numerous non-pharmaceutical treatments and techniques have emerged, with therapy mud being one such approach. The primary aim of this research was to analyze the chemical and mineralogical compositions of peloids obtained from six salt lakes: Taigan (LI), Duruu (LII), Khadaasan (LIII), Ikhes (LIV), Tonkhil (LV), and Khulmaa (LVI) in the Gobi-Altai province of Mongolia. Sample analyses involved X-ray diffraction for mineralogical assessment and inductively coupled plasma-mass spectrometry (Agilent Technologies 7800 series in Canada) for determining the chemical composition of the solid phase. Among essential macro- and microelements, Mg, Cа, Na, K, Sr, Ga, Mo, and Se had been leached from peloid to artificial sweat. Sn (0.01 μg g –1 ) at LIV and LVI lakes and Cu (0.01 μg g –1 ) at LV lake transferred from peloids to sweat, but no mobility of these elements in other peloids was detected. Li (0.02–0.04 μg g –1 ) was adsorbed from the sweat to potential peloids in LV, LIV, LIII, and LI lakes, while As (0.04–0.09 μg g –1 ) leached from peloids to sweat in all lakes except for LII. Zn (0.01 μg g –1 ) and Cr (0.04 μg g –1 ) transferred from the sweat to peloids in all lakes. Macroelements (Na, K, Ca, and Mg) and microelements (Mo, Se), which are essential for the human body, leached from the peloid to sweat. However, the mobility of toxic elements was minimal. Among micro-elements, the transition of Sr occurred the most, which can be explained by the Sr content in the peloid.
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 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».