MétaCan
Menu
Retour à la cohorte
Enregistrement W3000877276 · doi:10.1021/acs.est.9b06379

Toward a Global Understanding of Chemical Pollution: A First Comprehensive Analysis of National and Regional Chemical Inventories

2020· article· en· W3000877276 sur OpenAlexaff
Zhanyun Wang, Glen W. Walker, Derek C. G. Muir, Kakuko Nagatani-Yoshida

Notice bibliographique

RevueEnvironmental Science & Technology · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueHistory and advancements in chemistry
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésHarmPollutionChemical industryEnvironmental planningBusinessEnvironmental resource managementNatural resource economicsEnvironmental protectionEnvironmental sciencePolitical scienceEcologyBiologyEconomicsEnvironmental engineeringLaw

Résumé

récupéré en direct d'OpenAlex

Chemicals, while bringing benefits to society, may be released during their lifecycles and possibly cause harm to humans and ecosystems. Chemical pollution has been mentioned as one of the planetary boundaries within which humanity can safely operate, but is not comprehensively understood. Here, 22 chemical inventories from 19 countries and regions are analyzed to achieve a first comprehensive overview of chemicals on the market as an essential first step toward a global understanding of chemical pollution. Over 350 000 chemicals and mixtures of chemicals have been registered for production and use, up to three times as many as previously estimated and with substantial differences across countries/regions. A noteworthy finding is that the identities of many chemicals remain publicly unknown because they are claimed as confidential (over 50 000) or ambiguously described (up to 70 000). Coordinated efforts by all stakeholders including scientists from different disciplines are urgently needed, with (new) areas of interest and opportunities highlighted here.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,013
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,257
Écart entre enseignants0,213 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1 033
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetHistory and advancements in chemistryTravaux en français237 207