MétaCan
Menu
Retour à la cohorte
Enregistrement W1988049743 · doi:10.1080/10934521003594863

Method variables affecting the bioaccessibility of arsenic in soil

2010· article· en· W1988049743 sur OpenAlexaff
Louise Meunier, Joanna Wragg, Iris Koch, Kenneth J. Reimer

Notice bibliographique

RevueJournal of Environmental Science and Health Part A · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésArsenicGlycineEnvironmental chemistryChemistrySoil waterHuman healthTailingsSoil testEnvironmental scienceSoil scienceAmino acidBiochemistryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Arsenic bioaccessibility tests are now being commonly used in risk assessment. However, concerns remain about the reliability of such tests because the bioaccessibility of arsenic from soil may be susceptible to soil composition (including iron concentration), as well as method considerations such as varying liquid-to-solid ratios and the chosen buffer system. In this study, arsenic-contaminated tailings and soils were tested to compare two bioaccessibility methods: one that uses glycine as a buffer, and a second that is more physiologically based. With the glycine-buffered method, arsenic and iron bioaccessibility increased in the presence of a higher buffer concentration at higher liquid-to-solid ratios, whereas the results of physiologically-based tests were unaffected by variations in these parameters. In the glycine-buffered system, interactions between iron and glycine may influence the concentration of arsenic in solution, which may not be consistent with human gastrointestinal conditions. The choice of a physiologically-based method may be more appropriate to achieve representative arsenic bioaccessibility values toward estimating risks to human health.

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)0,009
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,328
Écart entre enseignants0,307 · 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'étudeExpérimental (laboratoire)
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

Citations31
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Science and Health Part AMême sujetArsenic contamination and mitigationTravaux en français237 207