MétaCan
Menu
Retour à la cohorte
Enregistrement W2465963225 · doi:10.1675/063.039.sp117

Forty-Year Decline of Organic Contaminants in Eggs of Herring Gulls (<i>Larus argentatus</i>) from the Great Lakes, 1974 to 2013

2016· article· en· W2465963225 sur OpenAlexaffabout
Shane R. de Solla, D. V. Chip Weseloh, Kimberley D. Hughes, David Moore

Notice bibliographique

RevueWaterbirds · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésLarusHerring gullHerringDieldrinFisheryEcologyBiologyFish <Actinopterygii>GeographyPesticide

Résumé

récupéré en direct d'OpenAlex

Following the discovery of widespread adverse reproductive effects in fish-eating colonial waterbirds nesting in the Canadian Great Lakes, Environment Canada started monitoring contaminants in Herring Gull (Larus argentatus) eggs in 1974. Current and historical concentrations and rates of decline of legacy contaminants (Polychlorinated Biphenyls [PCBs], 2,3,7,8-tetrachlorodibenzo-p-dioxin [TCDD] and organochlorine pesticides) in Herring Gull eggs from 15 Great Lakes colonies over 40 years are reported here. Large declines in contaminant concentrations were found in all colonies from the first year of reporting to 2013, with mean percent declines ranging from 72.7% for Σ chlordane to 95.2% for Mirex, indicating reduced availability of contaminants to wildlife. First-order exponential decay regressions indicated that rates of decline in eggs varied among compounds. Herring Gulls from Strachan Island (St. Lawrence River), for example, had the highest rates of decline for Dieldrin and Hexachlor Epoxide, whereas those from Middle Island (Lake Erie) had the lowest rates of decline for TCDD and PCBs, and those from Gull Island (Lake Michigan) had the lowest rates of decline for HCB and Mirex. Exponential rates of decline in Herring Gulls mirrored those previously reported for Great Lakes fish, thus demonstrating that Herring Gulls are a good fish-eating indicator species.

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 enseignants0,137
Score d'incertitude au seuil0,272

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
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,227 · 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

Citations49
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterbirdsMême sujetToxic Organic Pollutants ImpactTravaux en français237 207