Use of (Eco)toxicity data as screening criteria for the identification and classification of PBT/POP compounds
Notice bibliographique
Résumé
Characterization of "significant adverse ecotoxicological effects" of persistent organic pollutants (POPs) presents particular challenges. In the various international conventions on POPs and persistent, bioaccumulative, and toxic substances, guidance on classification is not detailed and, in some cases, is unclear. This paper focuses on several key issues in relation to selection of assessment endpoints, use of appropriate effect measures, and uncertainty in the face of limited data. Because POPs are persistent and bioaccumulative, measures of effect should be based not on concentrations in environmental matrices but rather on residues in the body of the organism or in tissues that are causally linked to adverse responses. To obtain these data, currently used toxicity testing methods may need to be modified or substantiated by toxicokinetic information to ensure that substances with POP-like properties are adequately characterized. These data can be more easily matched to environmental monitoring measurements of body or tissue residues for the purposes of assessing whether adverse effects occur in the environment. In the face of persistence and accumulation in the food chain, and considering the extent and suitability of available data, a suitable policy on the use of uncertainty factors may need to be applied when making judgments about toxicity. This paper offers guidance that can be used to identify candidate POPs that have the potential to cause significant adverse effects in the ecosystem.
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 | 0,001 | 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 | 0,001 |
| 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 ».