MétaCan
Menu
Retour à la cohorte
Enregistrement W2088501534 · doi:10.1080/19440049.2012.756988

Dioxins, furans and non-<i>ortho</i>-PCBs in Canadian total diet foods 1992–1999 and 1985–1988

2012· article· en· W2088501534 sur OpenAlexafffundabout
John J. Ryan, Xu‐Liang Cao, Robert Dabeka

Notice bibliographique

RevueFood Additives & Contaminants Part A · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensHealth Canada
Organismes subventionnairesHealth CanadaCanadian Food Inspection Agency
Mots-clésDibenzofuranAnimal scienceFood scienceFish <Actinopterygii>ToxicologyBody weightChemistryBiologyFishery

Résumé

récupéré en direct d'OpenAlex

In the period from 1985 to 1999, about 600 samples of total diet foods from Canadian cites were analysed for dioxins, furans and non-ortho-PCBs. Toxic equivalent (TEQ) concentrations on a lipid basis were found to be the highest in dairy and beef products followed by poultry and pork. These levels decreased over the 15-year period of sampling, particularly those for fluid milk, less so for poultry and pork and little or no change for beef. Calculation of the human daily intake for the years 1985-1988 showed values a little less than 1 pg of TEQ(2005) polychlorinated dibenzo-p-dioxin/polychlorinated dibenzofuran per kg body weight, falling progressively to less than 0.5 pg of TEQ in 1999. These estimates are lower than the 2.3 pg of TEQ currently recommended by the WHO. The main categories of foods contributing to the TEQ were animal meats and dairy products, with lesser amounts from fish and other foods.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,413
Score d'incertitude au seuil1,000

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 savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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.

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

Citations9
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFood Additives & Contaminants Part AMême sujetToxic Organic Pollutants ImpactTravaux en français237 207