Predictive meta-regressions relating mercury tissue concentrations of freshwater piscivorous mammals
Notice bibliographique
Résumé
Mercury (Hg) is a pollutant of global concern. Sentinel species such as river otter (Lontra canadensis) and mink (Neovison vison) are often used to monitor environmental concentrations in freshwater ecosystems. Tissue total Hg (THg) concentrations are frequently used as biomarkers of exposure. However, there is no comprehensive model relating Hg tissue concentrations in different tissues, making interstudy comparisons challenging. Our objective was to establish conversion factors relating fur, brain, liver, kidney, and muscle THg concentrations using mean concentrations and standard errors reported in the literature. We used data from more than 6000 samples, pooled across 16 studies and 96 sampling sites in North America and Europe. Sixteen regressions were derived for the river otter and mink models, which were statistically significant at a 95% confidence interval and yielded high explained variances. The models were validated using an external data set of individually measured THg tissue concentrations. The validated conversions were used to evaluate the current fur Hg screening guidelines of 20 µg/g and 30 µg/g. At both of these fur concentrations, brain concentrations are of concern for altering brain neurochemistry. We suggest a more conservative fur Hg screening guideline of 15 µg/g to protect sensitive furbearers. The conversion factors can be used to predict internal organ THg concentrations from fur measurements, eliminating the need for invasive tissue sampling. Environ Toxicol Chem 2017;36:2377-2384. © 2017 SETAC.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,016 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».