Impacts of Climate Change on Indirect Human Exposure to Pathogens and Chemicals from Agriculture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Climate change is likely to affect the nature of pathogens and chemicals in the environment and their fate and transport. Future risks of pathogens and chemicals could therefore be very different from those of today. In this review, we assess the implications of climate change for changes in human exposures to pathogens and chemicals in agricultural systems in the United Kingdom and discuss the subsequent effects on health impacts. DATA SOURCES: In this review, we used expert input and considered literature on climate change; health effects resulting from exposure to pathogens and chemicals arising from agriculture; inputs of chemicals and pathogens to agricultural systems; and human exposure pathways for pathogens and chemicals in agricultural systems. DATA SYNTHESIS: We established the current evidence base for health effects of chemicals and pathogens in the agricultural environment; determined the potential implications of climate change on chemical and pathogen inputs in agricultural systems; and explored the effects of climate change on environmental transport and fate of different contaminant types. We combined these data to assess the implications of climate change in terms of indirect human exposure to pathogens and chemicals in agricultural systems. We then developed recommendations on future research and policy changes to manage any adverse increases in risks. CONCLUSIONS: Overall, climate change is likely to increase human exposures to agricultural contaminants. The magnitude of the increases will be highly dependent on the contaminant type. Risks from many pathogens and particulate and particle-associated contaminants could increase significantly. These increases in exposure can, however, be managed for the most part through targeted research and policy changes.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle