MétaCan
Menu
Retour à la cohorte
Enregistrement W1998744442 · doi:10.4319/lo.2001.46.7.1814

Antagonistic effect of selenium on mercury assimilation by fish populations near Sudbury metal smelters?

2001· article· en· W1998744442 sur OpenAlexaffabout
Yuwei Chen, Nelson Belzile, John M. Gunn

Notice bibliographique

RevueLimnology and Oceanography · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensLaurentian University
Organismes subventionnairesMinistry of Environment
Mots-clésPerchStizostedionMercury (programming language)Animal scienceFish <Actinopterygii>Environmental chemistryFisherySeleniumBiologyChemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

In this study, the concentrations of Se and Hg were determined in perch ( Perca flavescens ) and walleye ( Stizosedion vitreum ) muscle from nine lakes that varied in distance (4–204 km) from the metal smelters of Sudbury, Canada. Significant inverse relationships between Se and Hg in perch (r 2 = 0.79, P &lt; 0.05) and walleye tissue (r 2 = 0.97, P &lt; 0.01) were detected, which suggests a strong antagonistic effect of Se on Hg assimilation by these fish species. Concentration of Hg decreased exponentially with an increase of Se in fish muscle. Total dissolved Se concentrations of lake water declined with distance from smelters and were correlated to Se in perch (r 2 = 0.75, P &lt; 0.05) and walleye (r 2 = 0.95, P &lt; 0.01). Hg concentrations in the fish from lakes near the smelter were well below average values in fish in boreal shield lakes of this region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,003
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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 tête enseignante, 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

Citations116
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetMercury impact and mitigation studiesTravaux en français237 207