Fluorescence Detection of Perfluorooctanoic Acid by High Performance Liquid Chromatography with Pre-Column Derivatization
Notice bibliographique
Résumé
Abstract The extensive use of perfluorooctanoic acid (PFOA) has raised significant concerns about its environmental pollution. However, existing PFOA detection methods are often applied with high equipment and operation costs. This study developed a high-performance liquid chromatography-fluorescence detection method with pre-column derivatization for PFOA determination. This method was applied to the detection of PFOA in the effluent from disk-tubular reverse osmosis (DTRO) membrane treatment of leachate at a waste incineration plant. The chromatographic and derivatization conditions of the method were systematically optimized. PFOA concentrations were indirectly measured through the fluorescence peak area of its derivative with 3-bromoacetyl coumarin. The optimized method operates under the following conditions: a C18 column, a mobile phase consisting of acetonitrile and water (60 : 40, v/v) at 30°C, and fluorescence detection at an excitation wavelength of 305 nm and an emission wavelength of 420 nm. Derivatization was conducted at 70°C using 5.00 mg/mL 3-bromoacetyl coumarin in acetone, with 50 mg of tetrabutylammonium bromide as a catalyst for 150 min. The method has linear ranges of 0.01–0.10 and 0.10–1.00 mg/L, with limits of detection and quantification of 0.0021 and 0.0063 mg/L, respectively. Recoveries ranged from 86.21 to 95.81%, with a relative standard deviation (RSD) below 5%. Additionally, a spiked PFOA concentration of 0.01 mg/L in DTRO-treated leachate effluent following solid-phase extraction was successfully detected with an RSD below 5% using this method.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».