MétaCan
Menu
Retour à la cohorte
Enregistrement W3029336293 · doi:10.1007/s13280-020-01336-6

Setting maximum levels for lead in game meat in EC regulations: An adjunct to replacement of lead ammunition

2020· article· en· W3029336293 sur OpenAlexaff
Vernon G. Thomas, Deborah J. Pain, Niels Kanstrup, Rhys E. Green

Notice bibliographique

RevueAMBIO · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAmmunitionEuropean unionLead (geology)European commissionLead exposureBusinessEurosShot (pellet)WildlifeEnvironmental protectionAgricultural economicsToxicologyEnvironmental scienceInternational tradeEngineeringGeographyBiologyChemistryEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Each year, hunters from 12 of the 27 European Union (EU) countries and the UK shoot over 6 million large game mammals, 12 million rabbits and hares and over 80 million birds. They support an international game meat market worth over 1.1 thousand million Euros. Animals shot with lead ammunition frequently contain lead fragments in the carcass which contaminate meals made from game meat with concentrations of lead substantially above the maximum allowable level (ML) set by European Commission Regulation EC1881/2006 for meat from domesticated animals. This poses a health risk to frequent consumers of wild-shot game meat, with children and pregnant women being particularly vulnerable. Total replacement of lead rifle and shotgun ammunition with available non-toxic alternatives is needed for all hunting in EU nations to prevent exposure of humans and wildlife to ammunition-derived lead and to allow the depletion of the long-term environmental legacy of lead from spent ammunition. We propose that EC1881/2006 is amended to incorporate an ML for game meats as a supplementary measure to the replacement of lead ammunition. This would harmonise food safety standards for lead in meats traded across and imported into the EU.

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)0,012
score de la tête « metaresearch » (Gemma)0,010
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,001
Science ouverte0,0050,002
Intégrité de la recherche0,0060,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,074
Tête enseignante GPT0,312
Écart entre enseignants0,238 · 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
GenreAutre

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

En bref

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAMBIOMême sujetMercury impact and mitigation studiesTravaux en français237 207