MétaCan
Menu
Retour à la cohorte
Enregistrement W2345755037 · doi:10.1021/acs.est.6b00199

Distribution of Organophosphate Esters between the Gas and Particle Phase–Model Predictions vs Measured Data

2016· article· en· W2345755037 sur OpenAlexaff
Roxana Sühring, Hendrik Wolschke, Miriam L. Diamond, Liisa M. Jantunen, Martin Scheringer

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOrganophosphateGas phaseParticle (ecology)Environmental scienceDistribution (mathematics)Phase (matter)ChemistryOrganic chemistryMathematicsPesticideGeology

Résumé

récupéré en direct d'OpenAlex

Gas-particle partitioning is one of the key factors that affect the environmental fate of semivolatile organic chemicals. Many organophosphate esters (OPEs) have been reported to primarily partition to particles in the atmosphere. However, because of the wide range of their physicochemical properties, it is unlikely that OPEs are mainly in the particle phase "as a class". We compared gas-particle partitioning predictions for 32 OPEs made by the commonly used OECD POV and LRTP Screening Tool ("the Tool") with the partitioning models of Junge-Pankow (J-P) and Harner-Bidleman (H-B), as well as recently measured data on OPE gas-particle partitioning. The results indicate that half of the tested OPEs partition into the gas phase. Partitioning into the gas phase seems to be determined by an octanol-air partition coefficient (log KOA) < 10 and a subcooled liquid vapor pressure (log PL) > -5 (PL in Pa), as well as the total suspended particle concentration (TSP) in the sampling area. The uncertainty of the physicochemical property data of the OPEs did not change this estimate. Furthermore, the predictions by the Tool, J-P- and H-B-models agreed with recently measured OPE gas-particle partitioning.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,245
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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

Citations123
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetToxic Organic Pollutants ImpactTravaux en français237 207