Utility of tissue residues for predicting effects of metals on aquatic organisms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As part of a SETAC Pellston Workshop, we evaluated the potential use of metal tissue residues for predicting effects in aquatic organisms. This evaluation included consideration of different conceptual models and then development of several case studies on how tissue residues might be applied for metals, assessing the strengths and weaknesses of these different approaches. We further developed a new conceptual model in which metal tissue concentrations from metal-accumulating organisms (principally invertebrates) that are relatively insensitive to metal toxicity could be used as predictors of effects in metal-sensitive taxa that typically do not accumulate metals to a significant degree. Overall, we conclude that the use of tissue residue assessment for metals other than organometals has not led to the development of a generalized approach as in the case of organic substances. Species-specific and site-specific approaches have been developed for one or more metals (e.g., Ni). The use of gill tissue residues within the biotic ligand model is another successful application. Aquatic organisms contain a diverse array of homeostatic mechanisms that are both metal- and species-specific. As a result, use of whole-body measurements (and often specific organs) for metals does not lead to a defensible position regarding risk to the organism. Rather, we suggest that in the short term, with sufficient validation, species- and site-specific approaches for metals can be developed. In the longer term it may be possible to use metal-accumulating species to predict toxicity to metal-sensitive species with appropriate field validation.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 découle