MétaCan
Menu
Retour à la cohorte
Enregistrement W1968050600 · doi:10.1021/es902582y

Increasing Contaminant Burdens in an Arctic Fish, Burbot (Lota lota), in a Warming Climate

2009· article· en· W1968050600 sur OpenAlexaffabout
Jesse Carrie, Fei Wang, Hamed Sanei, Robie W. Macdonald, P.M. Outridge, Gary A. Stern

Notice bibliographique

RevueEnvironmental Science & Technology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBiotaEnvironmental scienceTrophic levelArcticTributaryOceanographySedimentEnvironmental chemistryEcologyChemistryBiologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

The temporal patterns of mercury (Hg), polychlorinated biphenyls (PCBs), and other contaminants in Arctic aquatic biota are usually attributed to changing atmospheric sources. However, climate variability and change is another means of altering contaminant fate and bioavailability. We show here that the concentrations of Hg and PCBs in Mackenzie River burbot ( Lota lota ), a top predator fish and important staple food for northern Canadian communities, have increased significantly over the last 25 years despite falling or stable atmospheric concentrations, suggesting that environmental processes subsequent to atmospheric transport are responsible. Using a dated sediment core from a tributary lake near the Mackenzie River sampling site, we show that variations in Hg concentrations downcore are strongly associated with labile, algal-derived organic matter (OM). Strong temporal correlations between increasing primary productivity and biotic Hg and PCBs as reflected by burbot suggest that warming temperatures and reduced ice cover may lead to increased exposure to these contaminants in high trophic level Arctic freshwater biota.

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 enseignants0,059
Score d'incertitude au seuil0,117

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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

Citations151
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207