Lentic, lotic, and sulfate-dependent waterborne selenium screening guidelines for freshwater systems
Notice bibliographique
Résumé
There is consensus that fish are the most sensitive aquatic organisms to selenium (Se) and that Se concentrations in fish tissue are the most reliable indicators of potential toxicity. Differences in Se speciation, biological productivity, Se concentration, and parameters that affect Se bioavailability (e.g., sulfate) may influence the relationship between Se concentrations in water and fish tissue. It is desirable to identify environmentally protective waterborne Se guidelines that, if not exceeded, reduce the need to directly measure Se concentrations in fish tissue. Three factors that should currently be considered in developing waterborne Se screening guidelines are 1) differences between lotic and lentic sites, 2) the influence of exposure concentration on Se partitioning among compartments, and 3) the influence of sulfate on selenate bioavailability. Colocated data sets of Se concentrations in 1) water and particulates, 2) particulates and invertebrates, and 3) invertebrates and fish tissue were compiled; and a quantile regression approach was used to derive waterborne Se screening guidelines. Use of a regression-based approach for describing relationships in Se concentrations between compartments reduces uncertainty associated with selection of partitioning factors that are generally not constant over ranges of exposure concentrations. Waterborne Se screening guidelines of 6.5 and 3.0 μg/L for lotic and lentic water bodies were derived, and a sulfate-based waterborne Se guideline equation for selenate-dominated lotic waters was also developed. Environ Toxicol Chem 2017;36:2503-2513. © 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».