Multiresidue Pesticide Analysis in Fresh Produce by Capillary Gas Chromatography−Mass Spectrometry/Selective Ion Monitoring (GC-MS/SIM) and −Tandem Mass Spectrometry (GC-MS/MS)
Notice bibliographique
Résumé
A multiresidue method for the analysis of pesticides in fresh produce has been developed using salt-out acetonitrile extraction, solid-phase dispersive cleanup with octadecyl-bonded silica (C<sub>18</sub>), and graphitized carbon black/primary−secondary amine (GCB/PSA) sorbents and toluene, followed by capillary gas chromatography−mass spectrometry in selected ion monitoring mode (GC-MS/SIM) or −tandem mass spectrometry (GC-MS/MS). Quantitation was determined from calibration curves using matrix-matched standards ranging from 3.3 to 6667 ng/mL with <i>r</i><sup>2</sup> > 0.99, and geometric mean limits of quantitation were typically 8.4 and 3.4 μg/kg for GC-MS/SIM and GC-MS/MS, respectively. Identification was determined by using target and qualifier ions and qualifier-to-target ratios for GC-MS/SIM and two ion transitions for GC-MS/MS. Fortification studies (10, 25, 100, and 500 μg/kg) were performed on 167 organohalogen, organophosphorus, and pyrethroid pesticides in 10 different commodities (apple, broccoli, carrot, onion, orange, pea, peach, potato, spinach, and tomato). The mean percent recoveries were 90 ± 14, 87 ± 14, 89 ± 14, and 92 ± 14% for GC-MS/SIM and 95 ± 22, 93 ± 14, 93 ± 13, and 97 ± 13% for GC-MS/MS at 10, 25, 100, and 500 μg/kg, respectively. GC-MS/MS was shown to be more effective than GC-MS/SIM due to its specificity and sensitivity in detecting pesticides in fresh produce samples. The method, based on concepts from the multiresidue procedure used by the Canadian Food Inspection Agency and QuEChERS (<i>Qu</i>ick, <i>E</i>asy, <i>Ch</i>eap, <i>E</i>ffective, <i>R</i>ugged, and <i>S</i>afe), was shown to be efficient in screening, identifying, and quantitating pesticides in fresh produce samples.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».