Anatomy of a decision II: Potential effects of changes to Tier I chemical approaches in Canadian Disposal at Sea program sediment assessment protocols
Notice bibliographique
Résumé
Abstract The effects of possible changes to the Canadian 2-tiered assessment framework for dredged material based on outcomes of the 2006 Contaminated Dredged Material Management Decisions Workshop (CDMMD) are evaluated. Expanding on the “data mining” approach described in a previous paper, which focused solely on chemical lines of evidence, the efficacy of Tier 1 approaches (increases to the number of chemical analytes, use of mean hazard quotients, and the use of a screening bioassay) in predicting toxicity are evaluated. Results suggest value in additional work to evaluate the following areas: 1) further expanding minimum chemical requirements, 2) using more advanced approaches for chemical interpretation, and 3) using a screening-level bioassay (e.g., Canadian solid-phase photoluminescent bacteria test) to determine whether it would complement Tier 1 chemistry as well as or better than the solvent-based Microtox™ test method evaluated in the present study. Integr Environ Assess Manag 2017;13:1072–1085. © 2017 The Authors. Integrated Environmental Assessment and Management published by Wiley Periodicals, Inc. on behalf of Society of Environmental Toxicology & Chemistry (SETAC) Key Points We developed a sediment database to examine international dredged material assessment approaches. A longer chemical action list is more effective at predicting toxicity. Well-designed mean hazard quotient approaches outperform “one out/all out” rules. A conservative Tier 1 screening bioassessment improved toxic detection.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».