Workgroup Report: Review of Fish Bioaccumulation Databases Used to Identify Persistent, Bioaccumulative, Toxic Substances
Notice bibliographique
Résumé
Chemical management programs strive to protect human health and the environment by accurately identifying persistent, bioaccumulative, toxic substances and restricting their use in commerce. The advance of these programs is challenged by the reality that few empirical data are available for the tens of thousands of commercial substances that require evaluation. Therefore, most preliminary assessments rely on model predictions and data extrapolation. In November 2005, a workshop was held for experts from governments, industry, and academia to examine the availability and quality of in vivo fish bioconcentration and bioaccumulation data, and to propose steps to improve its prediction. The workshop focused on fish data because regulatory assessments predominantly focus on the bioconcentration of substances from water into fish, as measured using in vivo tests or predicted using computer models. In this article we review of the quantity, features, and public availability of bioconcentration, bioaccumulation, and biota-sediment accumulation data. The workshop revealed that there is significant overlap in the data contained within the various fish bioaccumulation data sources reviewed, and further, that no database contained all of the available fish bioaccumulation data. We believe that a majority of the available bioaccumulation data have been used in the development and testing of quantitative structure-activity relationships and computer models currently in use. Workshop recommendations included the publication of guidance on bioconcentration study quality, the combination of data from various sources to permit better access for modelers and assessors, and the review of chemical domains of existing models to identify areas for expansion.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».