MétaCan
Menu
Retour à la cohorte
Enregistrement W2058572419 · doi:10.1021/jf048665y

Polybrominated Diphenyl Ethers in Retail Fish and Shellfish Samples Purchased from Canadian Markets

2004· article· en· W2058572419 sur OpenAlexaffabout
Sheryl A. Tittlemier, Don Forsyth, Kenneth Breakell, Victor Verigin, John J. Ryan, Stephen Hayward

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésShellfishShrimpPolybrominated diphenyl ethersFisheryTilapiaMusselTroutWet weightArctic charBiologyEnvironmental chemistryAnimal scienceFish <Actinopterygii>Aquatic animalChemistryPollutantEcology

Résumé

récupéré en direct d'OpenAlex

Fish and shellfish retail samples (n = 122) were purchased from three Canadian cities in the winter of 2002 and analyzed for a total of 18 polybrominated diphenyl ether (PBDE) congeners. The samples (salmon, trout, tilapia, Arctic char, mussels, oysters, shrimp, and crab) represented the range of fish and shellfish commercially available to Canadian consumers at the time of purchase. Trout and salmon (geometric mean SigmaPBDE = 1600 and 1500 pg/g, wet weight, respectively) were found to contain significantly higher amounts of PBDEs than the mussel, tilapia, and shrimp groups (geometric mean SigmaPBDE = 260, 180, and 48 pg/g, wet weight, respectively). These differences in SigmaPBDE concentrations among fish and shellfish products were partly driven by differences in lipid content among the samples. Mean SigmaPBDE concentrations in domestic samples were also significantly greater than in imported samples, possibly reflecting global environmental distribution of PBDEs. These concentration differences will contribute to variations in dietary exposure to PBDEs when assorted fish and shellfish items from various origins are consumed.

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)0,001
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 enseignants0,105
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,174
Écart entre enseignants0,168 · 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

Citations53
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetToxic Organic Pollutants ImpactTravaux en français237 207