Analyse des pesticides dans l’eau de surface, l’eau potable et les produits de consommation par chromatographie liquide couplée à la spectrométrie de masse
Bibliographic record
Abstract
L’utilisation intensive de certains pesticides et leur relative persistance vont de pair avec la présence de résidus dans l’eau de surface et l’eau potable mais aussi dans les produits agricoles disponibles pour les consommateurs, y compris les denrées alimentaires. À l’heure actuelle, les effets des pesticides sur la vie aquatique et d’autres organismes non ciblés sont relativement bien connus, et la possibilité des effets sur l’être humain fait débat. Des normes de qualité ont été proposées pour l’eau, que ce soit des critères pour l’eau potable ou des critères de protection de la vie aquatique pour l’eau de surface. Des limites maximales de résidus (MRL) de pesticides ont également été établies pour certains produits, notamment les fruits et légumes. Un des défis pour les chercheurs est la mise en œuvre de nouvelles méthodes analytiques sensibles et robustes pour la quantification ultra-trace de ces composés, afin de déterminer si les différents échantillons sont conformes aux directives ou aux MRL. L’analyse des pesticides modérément polaires dans des matrices complexes repose tout d’abord sur la méthode d’extraction. Plusieurs options sont disponibles, telles que l’extraction liquide-liquide ou en phase solide (SPE, Solid Phase Extraction) pour les matrices aqueuses, ou encore dSPE de type QuEChERS (Quick, Easy, Cheap, Effective, Rugged and Safe) pour les matrices solides. Actuellement, la chromatographie en phase liquide couplée à la spectrométrie de masse en tandem représente un choix pertinent pour les analyses ultra-traces, mais sa mise en œuvre peut présenter certains défis. Dans ce contexte, les principaux objectifs de ce travail de recherche sont les suivants : i) proposer des méthodes analytiques rapides, sensibles et robustes pour déterminer des pesticides multi-classes aux niveaux d’exposition que l’on retrouve dans différentes matrices comme l’eau potable, les denrées alimentaires et l’urine comme matrice biologique, et ii) évaluer le lien entre les sources de contamination des divers pesticides et leur mobilité afin de documenter la distribution spatiale et temporelle dans l’eau de surface et l’eau potable au Québec. Pour les échantillons aqueux, une méthode SPE en ligne entièrement automatisée couplée à la chromatographie liquide haute performance et spectrométrie de masse en tandem a été développée. La méthode proposée est rapide (8 min par échantillon) avec des limites de détection comprises entre 0.1 et 5 ng L-1 pour les pesticides de la famille des néonicotinoïdes et l’atrazine. Pour les produits alimentaires tels que les fruits et légumes, l’optimisation d’une méthode de type QuEChERS a été réalisée. La méthode permet d’atteindre des niveaux de détection entre 0.05 ng g-1 et 2 ng g-1 pour une gamme de 22 pesticides couvrant 7 classes différentes, incluant les organophosphorés, les carbamates, les néonicotinoïdes et les triazines, entre autres. La robustesse des diverses méthodes a été démontrée par des expériences de contrôle qualité inter- et intra-journaliers afin de garantir l’exactitude, la précision et l’absence d'effets matriciels pour de longues séquences d’analyse. Les méthodes validées ont été appliquées à des échantillons réels, y compris des échantillons d’eau du robinet couvrant 52 villes de la province du Québec (Canada), 68 échantillons d’eau de surface (fleuve Saint-Laurent et tributaires), et 133 échantillons de laitue, pomme, raisin et tomates achetés sur les marchés locaux. Les résultats indiquent une forte occurrence de l’atrazine, la thiaméthoxame, la clothianidine et l’imidaclopride dans les échantillons d’eau et les quatre produits alimentaires.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".