使用X射线光光谱学分析长期使用的杀虫剂网中的杀虫剂的分析以及与生物效率的相关性
Melanie Koinari1, Nakei Bubun2, David Wilson1
1Australian Institute of Tropical Health and Medicine, James Cook University, Smithfield, QLD, Australia.
Frontiers in parasitology
|January 16, 2025
概括
射线光 (XRF) 谱学可以量化在野外的长效杀虫网 (LLIN) 中的杀虫剂. 然而,总活性成分含量并不总是预测LLIN的有效性,需要进行生物有效性测试以进行质量控制.
科学领域:
- 矢量控制是指向量控制的方法.
- 预防疟疾 预防疟疾
- 昆虫学 昆虫学是一门学科.
背景情况:
- 持久的杀虫网 (LLIN) 对于预防疟疾至关重要.
- 精确测量LLIN中的活性成分 (AIs) 对于评估质量和疗效至关重要.
- 需要在现场部署人工智能量化方法.
研究的目的:
- 评估X射线光学 (XRF) 光谱作为一个可在现场部署的方法,用于量化LLINs的总AI含量.
- 为了将AI内容与LLIN生物效率相关联.
主要方法:
- 分析了deltamethrin和alpha-cypermethrin的LLIN样本.这些样本包括:
- 用液态染色体质谱法 (LC-MS) 提取和定量杀虫剂.
- XRF测量与LC-MS数据和生物有效性测试结果 (世卫组织状生物测试) 相对相关.
主要成果:
- 定量XRF测量与LC-MS结果的相关性很好.
- 人工智能含量与deltamethrin网 (PermaNet® 2.0) 的生物有效性存在负相关性.
- 人工智能含量与α-cypermethrin网 (SafeNet®) 的生物效率呈正相关性.
结论:
- XRF光谱是一种可行的实地工具,用于在LLIN中量化AI.
- 人工智能含量本身并不能始终预测LLIN的生物有效性.
- 生物有效性测试应补充LLIN预交付检查中的化学分析.
