MétaCan
Menu
Retour à la cohorte
Enregistrement W2314568480 · doi:10.1021/es5061534

Food Quantity Affects the Sensitivity of <i>Daphnia</i> to Road Salt

2015· article· en· W2314568480 sur OpenAlexafffund
Arran H. Brown, Norman D. Yan

Notice bibliographique

RevueEnvironmental Science & Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensMinistry of the Environment, Conservation and ParksYork University
Organismes subventionnairesCanadian Water Network
Mots-clésDaphniaTrophic levelBioassayPopulationEnvironmental chemistryEutrophicationChronic toxicityToxicityBiologyDaphnia magnaChlorideLarvaEcologyToxicologyChemistryNutrientCrustacean

Résumé

récupéré en direct d'OpenAlex

Road deicing operations have raised chloride (Cl) levels in many temperate lakes in Europe and North America. These lakes vary widely in trophic status, but to date, no one has quantified the interaction between food quantity and road salt toxicity. We examined the effects of food quantity (particulate algal C concentration (C)) on the chronic toxicity of Cl to Daphnia in soft-water bioassays. There was a strong positive linear relationship (r(2) = 0.92 for NaCl and r(2) = 0.96 for CaCl2) between food quantity and Cl LC50. As food quantity increased from 0.2 to 1.0 mg C/L (levels characteristic of oligotrophic to eutrophic lakes, respectively), the chronic Cl LC50 increased from 55.7 to 284.8 mg Cl/L. Salt type (NaCl or CaCl2) did not affect the Cl LC50, Daphnia life history parameters, or the intrinsic rate of population increase (r). The life history parameter most sensitive to Cl was neonate production. Cl did not inhibit egg production, nor was the maternal lipid investment in eggs changed, but egg viability and the subsequent release of live neonates decreased as Cl levels increased and food decreased. Our results suggest the trophic status of lakes should be considered when assessing ecological threat from Cl.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,001
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 GPT0,211
Écart entre enseignants0,202 · 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

Citations66
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetSmart Materials for ConstructionTravaux en français237 207