Surveillance of Environmental Pesticide Exposure in Canada
Notice bibliographique
Résumé
ISEE-0631 Background/Objective: Some of the most extensively used pesticides in Canada’s agricultural industry are classified as “possibly” carcinogenic by the International Agency for Research on Cancer (IARC). However, information on population exposure to these pesticides is extremely limited. The objective of our study is to apply a new pesticide exposure assessment technique to conduct Canada-wide surveillance of environmental pesticide exposure. Methods: A province-specific crop exposure matrix is being developed for Canada to identify uses of 14 pesticides (IARC “possible” carcinogens) to provide estimates on the prevalence of use. This information is used to classify the probability of environmental exposure to a specific pesticide as being ‘high’, ‘moderate’ or ‘low’. Geographic information systems (GIS) and Statistics Canada boundary data are used to identify high agricultural activity areas within sub-provincial regions. Using GIS and National Census of Population data, the population currently residing within each agricultural activity area is determined. Results: As an example, results for environmental exposure to phenoxy herbicide 2,4-D in Ontario are presented. Ontario has 46 high agricultural activity areas, with estimated prevalence of 2,4-D use ranging from 38–99%. Agricultural areas were classified into three probability of exposure groups based on the tertile distribution of the prevalence of 2,4-D use estimates (‘high‘ exposure area if >90% use; ‘moderate’ exposure area if 70–90% use; ‘low‘ exposure area if < 70% use). Approximately 3.1 million people live in Ontario agricultural areas and are at risk of 2,4-D exposure. Population estimates by agricultural area exposure group are approximately: 292,000 (9.5%) people in ‘high’ exposure areas, 984,000 (32%) people in the ‘moderate‘ exposure areas, and 1.8 million (58.5%) people in ‘low’ exposure areas. Conclusion: This surveillance information will be used to geographically identify high risk pesticide exposure populations; it will also have an essential role in hazard surveillance, risk assessment and epidemiologic research.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».