A review of measured bioaccumulation data on terrestrial plants for organic chemicals: Metrics, variability, and the need for standardized measurement protocols
Notice bibliographique
Résumé
Quantifying the transfer of organic chemicals from the environment into terrestrial plants is essential for assessing human and ecological risks, using plants as environmental contamination biomonitors, and predicting phytoremediation effectiveness. Experimental data describing chemical uptake by plants are often expressed as ratios of chemical concentrations in the plant compartments of interest (e.g., leaves, shoots, roots, xylem sap) to those in the exposure medium (e.g., soil, soil porewater, hydroponic solution, air). These ratios are generally referred to as "bioconcentration factors" but have also been named for the specific plant compartment sampled, such as "root concentration factors," "leaf concentration factors," or "transpiration stream (xylem sap) concentrations factors." We reviewed over 350 articles to develop a database with 7049 entries of measured bioaccumulation data for 310 organic chemicals and 112 terrestrial plant species. Various experimental approaches have been used; therefore, interstudy comparisons and data-quality evaluations are difficult. Key exposure and plant growth conditions were often missing, and units were often unclear or not reported. The lack of comparable high-confidence data also limits model evaluation and development. Standard test protocols or, at a minimum, standard reporting guidelines for the measurement of plant uptake data are recommended to generate comparable, high-quality data that will improve mechanistic understanding of organic chemical uptake by plants. Environ Toxicol Chem 2018;37:21-33. © 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 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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».