Copper-chitosan modified with Graphene oxide adsorbent for dispersive micro solid phase extraction of traces nickel from water and food samples
Notice bibliographique
Résumé
The current study presents a new insight into separation of Ni (II) by preconcentration method from water and food samples prior to atomic flame absorption spectrometry analysis. A Cu-chitosan modified Graphene oxide adsorbent was used for micro-solid phase extraction of Ni (II). The synthesized nanocomposite was subjected to characterization by FTIR (Fourier transform infrared spectroscopy), XRD (X-ray diffraction), FESEM (Field emission scanning electron microscope), SEM-EDX (Scanning electron microscopy-energy dispersive X-ray analysis), TGA (thermogravimetric analysis) and BET (Brunauer-Emmett-Teller) analysis to confirm the qualitative characteristics of the material prior to extraction process. Crucial analytical parameters such as pH, adsorbent dosage, adsorption studies and sample volume were investigated and optimized. The quantitative recovery and Relative standard deviation below 5% were obtained. The Limit of detection (LOD) and Limit of quantification (LOQ) were 0.072 mg kg -1 and 0.239 mg kg -1 respectively. To determine the greenness of the process two analytical parameters were tested, namely, analytical GREENness and AGREEprep, resulting in 0.73 and 0.70 respective grades. The proposed method presents a moderate eco-friendly and facile process. The preconcentration factor obtained for Ni (II) was 40. To validate the effectiveness of this work, the dµ-SPE method was applied to two different standard reference materials, BCR-701 lake sediment (Belgium) and TMDA-54-6 (Canada) certified water reference material.
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) | 0,001 | 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 ».