留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

优先发表

优先发表栏目展示本刊经同行评议确定正式录用的文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。
显示方式:
2024检验医学专刊
摘要:
高香草酸(homovanillic acid , HVA)和香草扁桃酸(vanillylmandelic acid , VMA)是儿茶酚胺的终末代谢产物。检测尿液中的HVA和VMA不仅可以间接反应体内儿茶酚胺的分泌情况,而且对神经母细胞瘤和嗜铬细胞瘤等中枢神经系统疾病的早期诊断及鉴别具有重要的意义。目前虽已有许多检测HVA和VMA的方法,但在相同和不同的机构间检测同一样本所测得的检验结果存在较大差异。因此,建立参考方法、确立参考系统、实现HVA和VMA检测结果的准确与可比、实现检测结果的溯源和检验标准化是临床检验领域中新的目标与挑战。综述了检测HVA和VMA的临床意义、检测方法、以及标准化现状。
摘要:
建立一种同位素稀释-气相色谱-质谱法测定血清中乳酸含量的方法,并对测量结果的不确定度进行评定。在血清样品中加入乳酸钠同位素标记物作为内标,样品经前处理及硅烷化衍生后,在选择离子扫描模式下用气相色谱串联质谱仪检测。采用建立的方法对五种不同浓度水平的血清中乳酸进行定量分析,结果表明方法线性良好,相关系数 $ r > 0.999 $,平均加标回收率为 101.2%~102.6%,相对标准偏差为 0.16%~0.59%(n = 6),五种浓度水平的血清中乳酸含量分别为1.16、2.01、5.50、10.02、15.63 mmol/L,结果的相对扩展不确定度 Urel 均小于 3.0%(k = 2)。方法重复性好、准确度高、结果可靠,可用于临床血清样品中乳酸含量的准确检测。
2024物理化学计量
摘要:
根据中华人民共和国国家环境保护标准HJ 970-2018《水质 石油类的测定紫外分光光度法(试行)》的测试要求,分析研究紫外分光光度法测油原理,自动化和集成化设计进样系统、萃取系统、吸附过滤系统和检测系统,研制出新型全自动紫外测油仪。重点介绍仪器结构、原理、使用及维护。通过参考JJF(闽)1141-2023《紫外测油仪校准规范》对仪器进行校准,在(0.0~16.0)mg/L测量范围时,仪器测量线性为0.9999;在测量值不大于2 mg/L时,以1.0 mg/L为例,测得仪器示值误差为−0.042 mg/L;在测量值大于2 mg/L时,以4.0 mg/L、8.0 mg/L和16.0 mg/L为例,测得仪器示值误差分别为−3.6%、−2.2%和−1.7%。此外,还对仪器重复性、最小检出浓度、零点漂移和示值漂移等项目进行了校准。通过以上各项校准实验验证仪器性能指标优良。环保工作者通过使用全自动紫外测油仪,能够降低工作强度,提高工作效率,减少有机物危害,确保环境监测工作准确高效。
摘要:
渗透系数(ϕ)反映了电解质溶液中溶剂偏离理想溶液的程度。渗透系数可采用蒸气压法和电动势法等多种方法测定。美国国家标准局统计了已发表的数据,以每种电解质溶液的多套科学数据的平均值,作为该电解质溶液的渗透系数的标准值,并给出了渗透系数的标准偏差。该渗透系数的标准数据以德拜-休克尔公式的形式表达,方便使用者代入电解质溶液的质量摩尔浓度计算对应的渗透系数。渗透系数可用于计算电解质溶液的水分活度、冰点和渗透压摩尔浓度,从而为相关特性量标准溶液定值,分别用于校准相关特性量的测量仪器。在众多的电解质中,最常用的是氯化钠。国际标准和国家标准规定的上述特性量的标准值,和根据渗透系数标准数据计算得到的结果一致性良好。根据渗透系数标准数据计算相关特性量的标准值,能够通过渗透系数标准数据间接地溯源至蒸气压和电动势等量值的SI单位。
摘要:
电容法谷物水分测定仪作为快速测量谷物水分的仪器,广泛应用于粮食的贸易结算环节,属于国家实施强制管理的计量器具之一。基于电容法测量原理的水分仪,稻谷含水率的测量准确度受到诸多因素影响。对稻谷品种这一影响因素作相关试验研究分析。通过在含水率约11.5%、16.5%两个水分点,使用3台电容法水分仪分别对7种不同品种的稻谷进行含水率测量试验,结果表明稻谷品种对电容法谷物水分仪的测量准确度有显著影响,不宜使用同一台水分仪对不同品种的稻谷进行含水率测量。
计量方法与技术
摘要:
为了降低传统CNN-LSTM模型进行水质预测时可能会出现的错误发生率,提出了一种基于Prophet模型与PCA的CNN-LSTM水质预测方法。在水质监测数据清洗过程中采用Prophet模型进行异常值处理,使用PCA方法对影响变量进行降维,消除变量关联性,把处理结果作为CNN-LSTM模型输入,对水质总氮指标进行预测。通过实验对基于Prophet模型与PCA的CNN-LSTM水质预测方法进行验证,实验结果表明:该方法相对于CNN-LSTM模型在MAE、RMSE和MSE三种评价指标上都有了较大的提升,其中MSE提升了13%,RMSE提升了6.7%,MAE提升了5.6%。