Desarrollo de una nueva estrategia de fusión de datos de segundo orden de origen fluorimétrico y su aplicación a muestras ambientales
Los contaminantes emergentes son compuestos orgánicos que no integran naturalmente los ecosistemas en los que se encuentran, y que al estar biodisponibles pueden producir efectos adversos en los seres vivos. Se detectan con frecuencia en aguas naturales y suelo, y, si bien su presencia debe contr...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | bachelorThesis Tésis de Grado acceptedVersion |
| Lenguaje: | Español |
| Publicado: |
Universidad Nacional de Rosario. Facultad de Ciencias Bioquímicas y Farmacéuticas
2022
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/2133/23763 http://hdl.handle.net/2133/23763 |
| Aporte de: |
| Sumario: | Los contaminantes emergentes son compuestos orgánicos que no integran
naturalmente los ecosistemas en los que se encuentran, y que al estar biodisponibles pueden
producir efectos adversos en los seres vivos. Se detectan con frecuencia en aguas naturales y
suelo, y, si bien su presencia debe controlarse en forma estricta, su regulación es incompleta.
Con el propósito de cuantificar simultáneamente un grupo de contaminantes emergentes en
muestras de origen ambiental, en este trabajo se propuso el desarrollo de un método
espectroscópico basado en una calibración de segundo orden construida a partir de la fusión
de datos de segundo orden de fluorescencia y fluorescencia fotoinducida. Además, en el
presente trabajo se analizaron las ventajas de la fusión de datos comparando los resultados
obtenidos en un análisis de muestras de validación por el método propuesto con aquellos
conseguidos mediante modelado de los datos sin fusionar, y se validó el método propuesto
frente a un método de referencia, cromatografía líquida de alta eficacia con detector de
absorción ultravioleta-visible. Se observó una mayor capacidad predictiva en el método con
fusión de datos, evidenciada en una mayor precisión y exactitud, y un menor error relativo de
predicción. |
|---|