MétaCan
Menu
Retour à la cohorte
Enregistrement W3033710962 · doi:10.1002/etc.4727

Primary Sources of Polycyclic Aromatic Hydrocarbons to Streambed Sediment in Great Lakes Tributaries Using Multiple Lines of Evidence

2020· article· en· W3033710962 sur OpenAlexaboutno aff
Austin K. Baldwin, Steven R. Corsi, Samantha K. Oliver, Peter L. Lenaker, Michelle A. Nott, Marc A. Mills, Gary Norris, Pentti Paatero

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Research and DevelopmentU.S. Environmental Protection Agency
Mots-clésEnvironmental scienceSedimentTributaryEnvironmental chemistryPollutantAquatic ecosystemWatershedContaminationHydrology (agriculture)EcologyChemistryGeologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Polycyclic aromatic hydrocarbons (PAHs) are among the most widespread and potentially toxic contaminants in Great Lakes (USA/Canada) tributaries. The sources of PAHs are numerous and diverse, and identifying the primary source(s) can be difficult. The present study used multiple lines of evidence to determine the likely sources of PAHs to surficial streambed sediments at 71 locations across 26 Great Lakes Basin watersheds. Profile correlations, principal component analysis, positive matrix factorization source-receptor modeling, and mass fractions analysis were used to identify potential PAH sources, and land-use analysis was used to relate streambed sediment PAH concentrations to different land uses. Based on the common conclusion of these analyses, coal-tar-sealed pavement was the most likely source of PAHs to the majority of the locations sampled. The potential PAH-related toxicity of streambed sediments to aquatic organisms was assessed by comparison of concentrations with sediment quality guidelines. The sum concentration of 16 US Environmental Protection Agency priority pollutant PAHs was 7.4-196 000 µg/kg, and the median was 2600 µg/kg. The threshold effect concentration was exceeded at 62% of sampling locations, and the probable effect concentration or the equilibrium partitioning sediment benchmark was exceeded at 41% of sampling locations. These results have important implications for watershed managers tasked with protecting and remediating aquatic habitats in the Great Lakes Basin. Environ Toxicol Chem 2020;39:1392-1408. © 2020 The Authors. Environmental Toxicology and Chemistry published by Wiley Periodicals LLC on behalf of SETAC.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,239
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

Citations36
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and ChemistryMême sujetToxic Organic Pollutants ImpactTravaux en français237 207