Development of a Digestion Procedure Using Fe<sup>2+</sup> Ions for Electrochemical Detection of MnO<sub>2</sub> Particles in Drinking Water
Notice bibliographique
Résumé
Developing methods for detection contaminants in drinking water is essential to ensuring that safe and acceptable quality drinking water is delivered to consumers. While manganese (Mn) was previously known only as a mere aesthetic issue, recent epidemiological data has shown to have negative neurological effects on humans, especially on children, prompting new health-based guidelines by Health Canada and the World Health Organization. In drinking water, Mn exists predominantly as Mn(II) and Mn(IV), and is regulated based on total Mn levels. Interestingly, measurement of Mn particulate using electroanalytical methods has not yet been reported in the literature. Herein, a digestion procedure for insoluble manganese dioxide (MnO2) using ferrous (Fe2+) ions was optimized in preparation for Mn detection by cyclic voltammetry (CV). Digestion conditions including concentration of Fe2+ ions, pH and digestion time were explored and optimized. Digestion of MnO2 was found to be successful in both perfect and imperfect stoichiometric ratios; however, digestion was shown to be most effective in perfect stoichiometric conditions. CV proved to be an effective technique for the detection of different particulate Mn concentrations with good reproducibility using glassy carbon electrodes. According to the CV data, the detection limits of 0.3 mmol·L–1 and 0.1 mmol·L–1 for MnO2 were determined after the digestion time of 4.5 h and 24 h, respectively. The digestion method, in addition to CV detection, was found to be impacted by the presences of Cu2+ and Fe3+ ions.This interference suggests that this method may offer value as a multi-plexed technique. The Mn reduction signal was found to be enhanced in the presence of Mn2+, indicating that this method has the potential to be used to detect soluble and insoluble Mn species simultaneously. These digestion and detection methods are simple and reproducible methods which introduce the opportunity for total Mn detection in drinking water.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».