MétaCan
Menu
Retour à la cohorte
Enregistrement W2013594472 · doi:10.1021/es100598h

Aggregation and Deposition of Engineered Nanomaterials in Aquatic Environments: Role of Physicochemical Interactions

2010· review· en· W2013594472 sur OpenAlexaff
Adamo Riccardo Petosa, Deb P. Jaisi, Iván R. Quevedo, Menachem Elimelech, Nathalie Tufenkji

Notice bibliographique

RevueEnvironmental Science & Technology · 2010
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyNanoparticleDeposition (geology)NanomaterialsParticle (ecology)Biochemical engineeringHamaker constantMaterials scienceEnvironmental scienceChemistryEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

The ever-increasing use of engineered nanomaterials will lead to heightened levels of these materials in the environment. The present review aims to provide a comprehensive overview of current knowledge regarding nanoparticle transport and aggregation in aquatic environments. Nanoparticle aggregation and deposition behavior will dictate particle transport potential and thus the environmental fate and potential ecotoxicological impacts of these materials. In this review, colloidal forces governing nanoparticle deposition and aggregation are outlined. Essential equations used to assess particle-particle and particle-surface interactions, along with Hamaker constants for specific nanoparticles and the attributes exclusive to nanoscale particle interactions, are described. Theoretical and experimental approaches for evaluating nanoparticle aggregation and deposition are presented, and the major findings of laboratory studies examining these processes are also summarized. Finally, we describe some of the challenges encountered when attempting to quantify the transport of nanoparticles in aquatic environments.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,008
Tête enseignante GPT0,248
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 145
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207