Probabilistic risk-assessment model for birds exposed to granular pesticides
Notice bibliographique
Résumé
For granular formulations of pesticides, direct consumption by birds is generally the most important route of exposure. A probabilistic exposure model was developed that estimates how many pesticide granules a bird ingests and, from that, the quantity of pesticide ingested. This model, referred to as the "granular pesticide avian risk assessment model" (GranPARAM), has input variables not included in current screening-level assessments for granular pesticides, such as proportion of time for which birds forage in the field, grit ingestion rates, attractiveness of pesticide granules compared with natural grit, and proportions of soil particles and pesticide granules in the size range consumed by birds. For input variables that are uncertain, variable, or both, distributions are used rather than point estimates. Monte Carlo analysis is then performed to propagate input variable uncertainties through the exposure model for granular pesticides. The outputs from the exposure portion of GranPARAM are estimated pesticide doses for each of 20 birds of a selected species on each of 1000 fields. The dose for each bird is compared with a randomly chosen dose from the dose-response curve for that species or an appropriate surrogate. If the exposure dose for a bird exceeds the randomly chosen effects dose, the bird is considered dead; otherwise, the bird is assumed to be alive. Thus, the risk output from GranPARAM is a bar chart showing the percentages of fields with 0/20 dead birds, 1/20 dead birds, 2/20 dead birds, and so forth.
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 ».