MétaCan
Menu
Retour à la cohorte
Enregistrement W2025171619 · doi:10.1021/es0700597

A Terrestrial Food-Chain Bioaccumulation Model for POPs

2007· article· en· W2025171619 sur OpenAlexaff
James M. Armitage, Frank A. P. C. Gobas

Notice bibliographique

RevueEnvironmental Science & Technology · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensSimon Fraser University
Organismes subventionnairesEuropean Commission
Mots-clésBioaccumulationFood chainEnvironmental scienceEnvironmental chemistryChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Mechanistic bioaccumulation models for fish and piscivorous food-webs are widely used to assess the environmental hazard and risk of commercial chemicals, develop water quality criteria and remediation objectives, and conduct exposure assessment of pesticides in aquatic systems. Similar models for mammals and terrestrial food-webs are largely absent. As a result, the hazards and risks of bioaccumulative substances in mammals, birds, and humans remain unrecognized by regulators, and current globally used criteria for identifying bioaccumulative substances only apply to water-breathing organisms and are inadequate for protecting air-breathing organisms including mammals, birds, and human beings. In this paper, we develop and test a modeling framework that can be used to estimate the biomagnification potential and the organism-soil bioaccumulation factor of organic commercial chemicals in terrestrial food-chains. We test the model for the soil-earthworm-shrew food-chain and apply the model to illustrate that (i) chemicals with an octanol-air partition coefficient (K(OA)) < 10(5.25) do not biomagnify even if the K(ow) is high and optimal for biomagnification in fish; (ii) chemicals with a K(OA) > or = 105.25 and a K(ow) between 10(1.75) and 10(12) have a biomagnification potential unless they are metabolized at a sufficiently rapid rate (e.g., in excess of 0.3 d(-1) or a half-life time of 2.5 d for shrews).

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,258
Écart entre enseignants0,242 · 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'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

Citations125
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetToxic Organic Pollutants ImpactTravaux en français237 207