MétaCan
Menu
Retour à la cohorte
Enregistrement W2028223498 · doi:10.2533/chimia.2014.806

Chemical Aspects of Nanoparticle Ecotoxicology

2014· article· en· W2028223498 sur OpenAlexaff
Laura Sigg, Yang Yue, Hannah Schug, Lena A. Kosak née Röhder, Flavio Piccapietra, Nikša Odžak, Carl W. Isaacson, Ksenia J. Groh, Renata Behra, Kristin Schirmer

Notice bibliographique

RevueCHIMIA International Journal for Chemistry · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensMcGill University
Organismes subventionnairesBundesministerium für Bildung und ForschungSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésNanoparticleNanotoxicologySilver nanoparticleChemistryEcotoxicityDissolutionEnvironmental chemistryReactive oxygen speciesOrganismCerium oxideNanotechnologyFish <Actinopterygii>EcotoxicologyMaterials scienceOxideBiologyToxicityBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Nanoecotoxicology strives to understand the processes and mechanisms by which engineered nanoparticles (ENP) may exert toxic effects on aquatic organisms. Detailed knowledge of the chemical reactions of nanoparticles in the media and of their interactions with organisms is required to understand these effects. The processes of agglomeration of nanoparticles, of dissolution and release of toxic metal ions, and of production of reactive oxygen species (ROS) are considered in this article. Important questions concern the role of uptake of nanoparticles in various organisms, in contrast to uptake of ions released from nanoparticles and to nanoparticle attachment to organism surfaces. These interactions are illustrated for effects of silver nanoparticles (AgNP), cerium oxide (CeO2 NP) and titanium dioxide (TiO2 NP), on aquatic organisms, including algae, biofilms, fish cells and fish embryos.

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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,280
Écart entre enseignants0,267 · 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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCHIMIA International Journal for ChemistryMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207