Research and Monitoring Efforts on First Nations Environmental Health Issues
Notice bibliographique
Résumé
The First Nations and Inuit Health Branch, Health Canada/Indigenous Services Canada has been working on several large programs to assist First Nations in understanding and reducing the impact of exposure to chemical hazards in their environment: the First Nations Environmental Contaminants Program (FNECP); the First Nations Food, Nutrition and Environment Study (FNFNES) and the First Nations Biomonitoring Initiative.Initially, the Mercury Biomonitoring Program, which ran from 1970 to 2000, monitored exposure to mercury by collecting over 70,000 blood and hair samples in over 500 First Nation.The FNECP, created in 1999, supports community-based monitoring, research and risk assessment. Since 2000, the national FNECP has funded 103 national projects. Through dietary surveys and chemical exposure assessments and/or human biomonitoring, First Nations collaborated with researchers to gain important information on the chemical safety of their traditional diet. As appropriate, recommendations were made with respect to traditional food consumption.The FNFNES was created in 2008 to fill knowledge gaps on the diet and safety of traditional foods for First Nations living on-reserve south of the 60th parallel. This study was implemented region by region from 2008 to 2018. The FNFNES included five components: household interviews; drinking water sampling for trace metals; hair sampling for mercury; surface water sampling for pharmaceuticals and traditional food sampling for chemical contaminant levels.Results from the FNFNES mercury in hair sampling program will be compared to the findings of the earlier methylmercury biomonitoring program.Results from the FNFNES pharmaceutical sampling results will be explained in relation to how mixtures of pharmaceuticals can be characterized with respect to both their ecological and human health risks.
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 | 0,025 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».