Species traits as predictors for intrinsic sensitivity of aquatic invertebrates to the insecticide chlorpyrifos
Notice bibliographique
Résumé
Ecological risk assessment (ERA) has followed a taxonomy-based approach, making the assumption that related species will show similar sensitivity to toxicants, and using safety factors or species sensitivity distributions to extrapolate from tested to untested species. In ecology it has become apparent that taxonomic approaches may have limitations for the description and understanding of species assemblages in nature. Therefore it has been proposed that the inclusion of species traits in ERA could provide a useful and alternative description of the systems under investigation. At the same time, there is a growing recognition that the use of mechanistic approaches in ERA, including conceptual and quantitative models, may improve predictive and extrapolative power. Purposefully linking traits with mechanistic effect models could add value to taxonomy-based ERA by improving our understanding of how structural and functional system facets may facilitate inter-species extrapolation. Here, we explore whether and in what ways traits can be linked purposefully to mechanistic effect models to predict intrinsic sensitivity using available data on the acute sensitivity and toxicokinetics of a range of freshwater arthropods exposed to chlorpyrifos. The results of a quantitative linking of seven different endpoints and twelve traits demonstrate that while quantitative links between traits and/or trait combinations and process based (toxicokinetic) model parameters can be established, the use of simple traits to predict classical sensitivity endpoints yields little insight. Remarkably, neither of the standard sensitivity values, i.e. the LC(50) or EC(50), showed a strong correlation with traits. Future research in this area should include a quantitative linking of toxicodynamic parameter estimations and physiological traits, and requires further consideration of how mechanistic trait-process/parameter links can be used for prediction of intrinsic sensitivity across species for different substances in ERA.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».