MétaCan
Menu
Retour à la cohorte
Enregistrement W2083275698 · doi:10.1002/ieam.111

How to test nontarget effects of veterinary pharmaceutical residues in livestock dung in the field

2010· article· en· W2083275698 sur OpenAlexaffabout
Ralf Jochmann, Wolf U. Blanckenhorn, Luc F. Bussière, Charles Eirkson, John Jensen, Ute Kryger, J. Lahr, Jean-Pierre Lumaret, Jörg Römbke, Keith Wardhaugh, Kevin D. Floate

Notice bibliographique

RevueIntegrated Environmental Assessment and Management · 2010
Typearticle
Langueen
DomaineVeterinary
ThématiqueHelminth infection and control
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesUmweltbundesamt
Mots-clésContext (archaeology)LivestockOrganismLegislationStandardizationTest (biology)Veterinary medicineBiologyEnvironmental resource managementEcologyEnvironmental scienceComputer scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

To register veterinary medicinal products (VMPs) as parasiticides on pastured animals, legislation in the European Union requires an environmental risk assessment to test the potential nontarget effects of fecal residues on dung-dwelling organisms. Products with adverse effects in single-species laboratory tests require further, higher-tier testing to assess the extent of these effects on entire communities of dung-dwelling organisms under more realistic field or semifield conditions. Currently, there are no documents specifically written to assist researchers in conducting higher-tier tests or to assist regulators in interpreting the results of such tests in an appropriate context. Here we provide such a document, written by members of the SETAC Advisory Group DOTTS (Dung Organism Toxicity Testing Standardization) with research experience on dung fauna in central and southern Europe, Canada, Australia, and South Africa. This document briefly reviews the organisms that make up the dung community and their role in dung degradation, identifies key considerations in the design and interpretation of experimental studies, and makes recommendations on how to proceed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,325
Écart entre enseignants0,308 · 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 tête enseignante, 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

Citations25
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIntegrated Environmental Assessment and ManagementMême sujetHelminth infection and controlTravaux en français237 207