معرفی و مروری بر روش میکرواستخراج مایع- مایع پخشی، توسعه و کاربردها در آماده سازی و استخراج نمونه
محل انتشار: فصلنامه تحقیقات نظام سلامت، دوره: 18، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 1,177
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_HSR-18-3_001
تاریخ نمایه سازی: 10 دی 1401
چکیده مقاله:
میکرواستخراج مایع- مایع پخشی (Dispersive liquid–liquid microextraction یا DLLME) نوعی تکنیک جدید آماده سازی نمونه است که شاخص های تغلیظ بالا را از حجم کم نمونه های آبی ارایه می کند. این روش به دلیل چندین مزیت از جمله سریع بودن، ارزان بودن، سهولت توسعه روش، فاکتور غنی سازی بالا و مصرف حجم کم حلال آلی، مقبولیت گسترده ای پیدا کرده است. پژوهش حاضر بر روی بهبودهای ایجاد شده در DLLME از زمان معرفی آن در سال ۲۰۰۶ تمرکز داشت. در مطالعه حاضر استفاده از DLLME با مشتق سازی هم زمان آنالیت ها و ترکیب DLLME با سایر تکنیک های آماده سازی نمونه و جایگزین نمودن حلال های کلردار سمی با هیدروکربن های با سمیت کم، الکل ها و مایعات یونی ارایه گردید. همچنین، تحقیق درصدد تشریح استفاده از DLLME برای پیش تغلیظ یون های فلزی و تغییرات بیشتری در این تکنیک جدید توسعه یافت. به طور خلاصه، کاربردهای مختلف DLLME برای چندین گروه از آنالیت ها از جمله آفت کش ها، داروها، فنل ها و سایر ترکیبات توصیف و در نهایت، برخی از محدودیت ها و چشم اندازهای آینده پیش بینی شد.
کلیدواژه ها:
نویسندگان
سارا کریمی زوردگانی
Associate Professor, Department of Occupational Health Engineering, School of Health, Isfahan University of Medical Sciences, Isfahan, Iran
سمانه خورشیدی کیا
PhD Student, Student Research Committee AND Department of Occupational Health Engineering, School of Health, Isfahan University of Medical Sciences, Isfahan, Iran
زهره محبیان
PhD Student, Student Research Committee AND Department of Occupational Health Engineering, School of Health, Isfahan University of Medical Sciences, Isfahan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :