MétaCan
Menu
Retour à la cohorte
Enregistrement W2046045680 · doi:10.1897/08-557.1

Mercury concentrations in Southern Beaufort Sea polar bears: Variation based on stable isotopes of carbon and nitrogen

2009· article· en· W2046045680 sur OpenAlexaboutno aff
Tamara Cardona‐Marek, Katrina K. Knott, Benjamin E. Meyer, Todd M. O’Hara

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Research Resources
Mots-clésUrsus maritimusMercury (programming language)Methylmercuryδ15NTrophic levelBeaufort seaPelagic zoneChemistryStable isotope ratioBenthic zoneδ13CEnvironmental chemistryPolar nightEcologyZoologyBiologyArcticBioaccumulation

Résumé

récupéré en direct d'OpenAlex

Total Hg concentration was measured in hair and whole blood of 52 adult Southern Beaufort Sea polar bears (Ursus maritimus) captured in the spring of 2005. Stable isotopic signatures (i.e., 13C/12C, delta13C; 15N/14N, delta15N) in hair and two blood compartments (packed blood cells/clot and serum) were determined to assess the variation of Hg concentrations among polar bears in relation to their feeding ecology and other biological factors. Concentrations of Hg in hair and blood (2.2-23.9 microg/g dry wt and 0.007-0.213 microg/g wet wt, respectively) were within the range of values previously reported for polar bears in Canada and East Greenland. Mercury concentration in hair from females was higher than that in hair from males, and concentration was related to interactions between delta13C, delta15N, and longitude of capture location. Mercury concentrations in hair were inversely correlated to delta13C in hair and blood, suggesting that polar bears with greater total Hg concentrations fed more on pelagic prey, such as ringed seals or beluga whale, than on benthic prey. Variability in Hg concentrations in polar bear hair and blood may be the result of intraspecific or regional variation in prey selection rather than strictly trophic level interactions.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,055

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,196
Écart entre enseignants0,190 · 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'étudeObservationnel
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

Citations62
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and ChemistryMême sujetMarine animal studies overviewTravaux en français237 207