ScholarGate
دستیار

نمونه‌برداری و آماده‌سازی نمونه

نمونه‌برداری و آماده‌سازی نمونه به منظور به دست آوردن بخش معرف از یک ماده و تبدیل آن به شکلی مناسب برای اندازه‌گیری انجام می‌شود که اغلب بزرگترین منابع خطای تحلیلی هستند.

یافتن موضوع با PaperMindبه‌زودیFind papers & topics
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

Definition

نمونه‌برداری و آماده‌سازی نمونه عملیات تحلیلی هستند که یک نمونه معرف از یک ماده را تأمین کرده و آن را به شکلی قابل اندازه‌گیری تبدیل می‌کنند، در حالی که خطاهای ناشی از این مراحل را کنترل می‌کنند.

Scope

این موضوع مراحل پیش از اندازه‌گیری را پوشش می‌دهد: طراحی یک برنامه نمونه‌برداری، گرفتن و کاهش یک نمونه ناخالص به نمونه آزمایشگاهی و بخش آزمایشی، و آماده‌سازی آن از طریق انحلال، هضم، استخراج، پاک‌سازی و پیش‌تغلیظ. این مبحث به آمار نمونه‌برداری و ثابت نمونه‌برداری، تکنیک‌های رایج آماده‌سازی مانند استخراج مایع-مایع و فاز جامد، و کنترل آلودگی و از دست دادن آنالیت می‌پردازد.

Core questions

  • چگونه یک برنامه نمونه‌برداری طراحی می‌شود تا نمونه معرف کل ماده باشد؟
  • چگونه واریانس نمونه‌برداری با اندازه نمونه و ناهمگنی مرتبط است؟
  • کدام تکنیک‌های آماده‌سازی یک نمونه را بدون از دست دادن یا آلودگی به شکلی قابل اندازه‌گیری تبدیل می‌کنند؟
  • چرا نمونه‌برداری و آماده‌سازی اغلب بر کل عدم قطعیت تحلیلی غالب هستند؟

Key theories

آمار نمونه‌برداری
عدم قطعیت ناشی از نمونه‌برداری به ناهمگنی ماده و مقدار گرفته شده بستگی دارد؛ نظریه نمونه‌برداری تعداد و اندازه افزایش‌ها را به واریانس نمونه‌برداری قابل دستیابی مرتبط می‌کند و برنامه‌هایی را هدایت می‌کند که نمونه را از نظر آماری معرف می‌سازند.

Mechanisms

یک برنامه نمونه‌برداری مشخص می‌کند که چه تعداد افزایش و از کجا باید گرفته شود تا نمونه ناخالص منعکس‌کننده ماده اصلی باشد؛ سپس نمونه ناخالص به یک نمونه آزمایشگاهی همگن و یک بخش آزمایشی کاهش می‌یابد. آماده‌سازی آن بخش را به شکلی قابل اندازه‌گیری تبدیل می‌کند: حل کردن یا هضم جامدات، استخراج آنالیت‌ها از ماتریس‌ها، پاک‌سازی تداخلات، و گاهی اوقات پیش‌تغلیظ آنالیت‌های ردیابی. در تمام این مراحل، آلودگی و از دست دادن آنالیت کنترل می‌شود زیرا خطاها در اینجا مستقیماً به نتیجه نهایی منتقل می‌شوند.

Clinical relevance

نمونه‌برداری و آماده‌سازی صحیح در پایش محیطی، جایی که مواد ناهمگن نمونه‌برداری را به بزرگترین منبع خطا تبدیل می‌کنند، و در تحلیل‌های بالینی، غذایی و پزشکی قانونی، جایی که استخراج و پاک‌سازی تعیین‌کننده قابلیت اندازه‌گیری قابل اعتماد آنالیت‌های ردیابی هستند، تعیین‌کننده است.

History

نظریه نمونه‌برداری مواد ناهمگن توسط پیر گی در اواسط قرن بیستم بر پایه کمی قرار گرفت، در حالی که شیمی‌دانان تحلیلی مجموعه‌ای رو به گسترش از روش‌های آماده‌سازی — از هضم کلاسیک و استخراج مایع-مایع تا استخراج فاز جامد و میکرو استخراج — را برای انجام تحلیل‌های ردیابی و ماتریس‌های پیچیده که به طور فزاینده‌ای چالش‌برانگیز بودند، توسعه دادند.

Key figures

  • Pierre Gy
  • Walter J. Youden

Related topics

Seminal works

  • skoog2014fac
  • harris2020
  • miller2018

Frequently asked questions

چرا نمونه‌برداری می‌تواند بزرگترین منبع خطا باشد؟
اگر یک ماده ناهمگن باشد، بخش کوچکی که تحلیل می‌شود ممکن است با کل ماده مطابقت نداشته باشد، بنابراین حتی یک اندازه‌گیری بی‌عیب و نقص نیز پاسخ اشتباهی برای ماده اصلی می‌دهد؛ برنامه‌های نمونه‌برداری دقیق برای حفظ این خطا در حد قابل قبول لازم است.
هدف از آماده‌سازی نمونه چیست؟
این فرآیند نمونه را به شکلی تبدیل می‌کند که روش بتواند آن را اندازه‌گیری کند — حل کردن جامدات، استخراج و تغلیظ آنالیت‌ها، و حذف مواد مزاحم — در حالی که از آلودگی یا از دست دادن آنالیت جلوگیری می‌کند.

Methods for this concept

Related concepts