Tracking metal presence in cannabis vaping products from source to inhalation
Notice bibliographique
Résumé
Vaping cannabis liquids is a convenient method of cannabis consumption, and is considered to be a less harmful alternative to smoking cannabis. However, vaping cannabis carries its own health risks, with many uncertainties, especially concerning the presence of metal particles in vape liquids. The heterogeneous distribution of these particles within the liquid matrix poses analytical challenges in measurement reproducibility. In this study, total metals analysis was performed on five samples from six different legal Canadian cannabis vape liquid products. The results indicated that metals from the vaping device components, cobalt (Co), nickel (Ni), and zinc (Zn) significantly contributed to within-batch variability. In contrast, all analyzed metals showed significant variability among tested products. Single-particle ICP-MS detected metal particles of aluminum (Al), Co, chromium (Cr), copper (Cu), Ni, tin (Sn), and Zn in the vape liquids. To assess potential consumer exposure, cannabis cartridges were vaped using a vaping machine and the resulting aerosol was analyzed. Although the number of detected emitted particles was below the limit of quantitation, all samples produced aerosols containing metal particles of Co, Cr, Ni, lead (Pb), Sn, and Zn. Further analysis using SEM-EDS on the emptied cartridges showed cracking on the connector pin of an unused device, suggesting a potential source of contamination during use and storage. The elemental composition of the metal components in the cartridges matched the detected particles, providing strong evidence that cannabis vape liquids are contaminated by the metal components of vaping devices.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».