MétaCan
Menu
Retour à la cohorte
Enregistrement W2885401443 · doi:10.3390/polym10080834

How Green is Your Plasticizer?

2018· review· en· W2885401443 sur OpenAlexafffund
Roya Jamarani, Hanno C. Erythropel, Jim A. Nicell, Richard L. Leask, Milan Marić

Notice bibliographique

RevuePolymers · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueEffects and risks of endocrine disrupting chemicals
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsMcGill University
Mots-clésPlasticizerBiodegradationPolymerLeaching (pedology)Biochemical engineeringMaterials scienceEnvironmental scienceChemistryOrganic chemistryComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Plasticizers are additives that are used to impart flexibility to polymer blends and improve their processability. Plasticizers are typically not covalently bound to the polymers, allowing them to leach out over time, which results in human exposure and environmental contamination. Phthalates, in particular, have been the subject of increasing concern due to their established ubiquity in the environment and their suspected negative health effects, including endocrine disrupting and anti-androgenic effects. As there is mounting pressure to find safe replacement compounds, this review addresses the design and experimental elements that should be considered in order for a new or existing plasticizer to be considered green. Specifically, a multi-disciplinary and holistic approach should be taken which includes toxicity testing (both in vitro and in vivo), biodegradation testing (with attention to metabolites), as well as leaching studies. Special consideration should also be given to the design stages of producing a new molecule and the synthetic and scale-up processes should also be optimized. Only by taking a multi-faceted approach can a plasticizer be considered truly green.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,038
Tête enseignante GPT0,375
Écart entre enseignants0,337 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations165
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetEffects and risks of endocrine disrupting chemicalsTravaux en français237 207