MétaCan
Menu
Retour à la cohorte
Enregistrement W2296935088 · doi:10.1021/acs.estlett.6b00041

Assessing Dicofol Concentrations in Air: Retrospective Analysis of Global Atmospheric Passive Sampling Network Samples from Agricultural Sites in India

2016· article· en· W2296935088 sur OpenAlexafffund
Anita Eng, Ky Su, Tom Harner, Karla Pozo, Ravindra Kumar Sinha, B. Sengupta, Mark Loewen

Notice bibliographique

RevueEnvironmental Science & Technology Letters · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensUniversity of ManitobaEnvironment and Climate Change Canada
Organismes subventionnairesGovernment of CanadaUnited Nations
Mots-clésDicofolEnvironmental scienceSampling (signal processing)Environmental chemistryPesticideAgricultureChemistryEnvironmental engineeringGeographyAgronomyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Risk assessment of the pesticide dicofol is hampered by the lack of information about its levels, which is largely attributed to its instability during instrumental analysis. In this study, dicofol was assessed in air through a novel approach by tracking the ratio of the two isomers ( p, p ′ and o, p ′) of its stable degradation product dichlorobenzophenone (DCBP), while considering other potential precursors. Twenty-three samples were collected using polyurethane foam (PUF) disk passive air samplers deployed across agricultural, urban, and rural sites throughout India in 2006 under the Global Atmospheric Passive Sampling Network. The retrospective analysis focused on agricultural sites in the Indo-Gangentic Plain region where dicofol is used. Yearly mean concentrations for p, p ′- and o, p ′-DCBP (breakdown products of p, p ′- and o, p ′-dicofol, respectively) were 1.1 and 0.29 ng/m 3, respectively, for agricultural sites, 1.6 and 0.31 ng/m 3, respectively, at an urban site, and 0.36 and 0.039 ng/m 3, respectively, at a background site.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology LettersMême sujetToxic Organic Pollutants ImpactTravaux en français237 207