MétaCan
Menu
← Retour à la cohorte
Enregistrement W1600469220 · doi:10.1002/etc.2885

Microchemical analysis of selenium in otoliths of two West Virginia fishes captured near mountaintop removal coal mining operations

2015· article· en· W1600469220 sur OpenAlexaff
Mariah C. Arnold, Lisa A. Friedrich, Thomas Lindberg, Matthew Ross, Norman M. Halden, Emily S. Bernhardt, Vince Palace, Richard T. Di Giulio

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of ManitobaStantec (Canada)
Organismes subventionnairesFoundation for the Carolinas
Mots-clésOtolithLepomisFisheryFish <Actinopterygii>BiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Otoliths, calcified inner ear structures, were collected from creek chubs (Semotilus atromaculatus) and green sunfish (Lepomis cyanellus) living in mountaintop mining-impacted and reference streams and analyzed for selenium (Se) content using laser ablation-inductively coupled mass spectrometry. Significant differences in otolith Se were found between the 2 fish species. Results from the present study suggest that a retrospective reconstruction of Se concentrations in muscle can be derived from Se concentrations in otoliths in creek chub but not green sunfish, exemplifying the importance of species differences when determining partitioning of Se among specific tissues. Green sunfish otoliths from all sites contained background (<1 μg/g) or low (1-4 μg/g) average concentrations of whole-otolith Se. In contrast, creek chub otoliths from the historically mined site contained much higher (≥5 μg/g) concentrations of Se than for the same species in the unmined site or for the green sunfish. These data suggest that body burdens of Se in fish can vary considerably over time and that both the timing of sampling and species choice could heavily influence Se assessments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,255
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and Chemistry→Même sujetMercury impact and mitigation studies→Travaux en français237 207→