Improving Risk Assessment Calculations for Traditional Foods Through Collaborative Research with First Nations Communities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As industrial development is increasing near northern Canadian communities, human health risk assessments (HHRA) are conducted to assess the predicted magnitude of impacts of chemical emissions on human health. One exposure pathway assessed for First Nations communities is the consumption of traditional plants, such as muskeg tea (Labrador tea) (Ledum/Rhododendron groenlandicum) and mint (Mentha arvensis). These plants are used to make tea and are not typically consumed in their raw form. Traditional practices were used to harvest muskeg tea leaves and mint leaves by two First Nations communities in northern Alberta, Canada. Under the direction of community elders, community youth collected and dried plants to make tea. Soil, plant, and tea decoction samples were analyzed for inorganic elements using inductively coupled plasma-mass spectrometry. Concentrations of inorganic elements in the tea decoctions were orders of magnitude lower than in the vegetation (e.g., manganese 0.107 mg/L in tea, 753 mg/kg in leaves). For barium, the practice of assessing ingestion of raw vegetation would have resulted in a hazard quotient (HQ) greater than the benchmark of 0.2. Using measured tea concentrations it was determined that exposure would result in risk estimates orders of magnitude below the HQ benchmark of 0.2 (HQ = 0.0049 and 0.017 for muskeg and mint tea, respectively). An HHRA calculating exposure to tea vegetation through direct ingestion of the leaves may overestimate risk. The results emphasize that food preparation methods must be considered when conducting an HHRA. This study illustrates how collaboration between Western scientists and First Nations communities can add greater clarity to risk assessments.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 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) | 0,001 | 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 découle