Survey of methodologies for developing media screening values for ecological risk assessment
Notice bibliographique
Résumé
This review evaluates the methodologies of 13 screening value (SV) compilations that have been commonly used in ecological risk assessment (ERA), including compilations from state and U.S. federal agencies, the Oak Ridge National Laboratory (ORNL), Canada, The Netherlands, and Australia. The majority of surfacewater SVs were primarily derived for the protection of aquatic organisms using 2 approaches: (1) a statistical assessment of toxicity values by species groupings, such as "ambient water quality criteria," or (2) extrapolation of a lowest observed adverse effect level determined from limited toxicity data using an uncertainty factor. Sediment SVs were primarily derived for the protection of benthic invertebrates using 2 approaches: (1) statistical interpretations of databases on the incidence of biological effects and chemical concentrations in sediment, or (2) values derived from equilibrium partitioning based on a surfacewater SV. Soil SVs were derived using a diversity of approaches and were usually based on the lowest value determined from soil toxicity to terrestrial plants or invertebrates and, less frequently, from modeled, incidental soil ingestion or chemical accumulation in terrestrial organisms. The various SV compilations and methodologies had varying levels of conservatism and were not consistent in the pathways and receptors considered in the SV derivation. Many SVs were derived from other compilations and were based on outdated values, or they relied on only older toxicity data. Risk assessors involved in ERA should carefully evaluate the technical basis of SVs and consider the uncertainty in any value used to determine the presence or absence of risk and the need for further assessment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».