Détection et caractérisation de nanoparticules d’oxyde de zinc par spectrométrie de masse à plasma inductif en mode particule unique (single-particle ICPMS)
Bibliographic record
Abstract
Les nanoparticules d’oxyde de zinc (ZnO NP) sont parmi les plus utilisées en industrie. Leur production croissante dans divers secteurs comme les cosmétiques et l’agriculture mène inévitablement à une augmentation de leur présence dans l’environnement, alors que leur risque écologique et leur persistance y sont méconnus. Cette problématique est en partie causée par les faibles concentrations auxquelles elles s’y trouvent, souvent inférieures aux limites de détection des méthodes analytiques classiques. Ainsi, le développement d’une méthode sensible et sélective, telle que la spectrométrie de masse à plasma inductif en mode particule unique (SP-ICPMS), est nécessaire. En permettant la détection une à une de particules métalliques à des concentrations de l’ordre des ng L-1, la SP-ICPMS est prometteuse pour la caractérisation des nanomatériaux (NM) métalliques en milieu aqueux. Toutefois, son utilisation est limitée pour les métaux qui, comme le zinc, se dissolvent rapidement, ou dont la concentration ionique est grande en solution car la limite de détection en taille est alors plus élevée. Lors de ces travaux, une résine échangeuse d’ions a été couplée avec la SP-ICPMS afin de retirer les Zn2+ et ses complexes labiles présents en solution avant l’analyse des suspensions de ZnO NP. Cette technique a été adaptée avec succès sur un instrument ICPMS de grande sensibilité, permettant de diminuer la limite de détection en taille de ZnO NP de 32 à 8,2 nm dans l’eau déionisée. Pour tester la méthode en milieu naturel, des ZnO NP ont été ajoutées à une eau de rivière et leur distribution de taille ainsi que leur concentration ont été analysées. Après 24 h, les particules ajoutées étaient plus stables dans l’eau de rivière qu’elles ne l’étaient dans l’eau déionisée, probablement en raison de son pH plus élevé. De même, la méthode développée a permis l’analyse de colloïdes naturels contenant du zinc et du cuivre dans une eau de rivière et dans une eau de pluie. La stabilité des particules dans ce milieu a par ailleurs été suivie pendant un mois, durant lequel le contenu métallique de ces particules ne s’est que légèrement dissous.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".