Mercury Exposure and Toxicological Consequences in Fish and Fish-Eating Wildlife from Anthropogenic Activity in Latin America
Notice bibliographique
Résumé
Abstract Despite the risk of significant adverse toxicological effects of Hg to humans and wildlife, Hg use in anthropogenic activities, and artisanal small-scale gold mining (ASGM) in particular, is widespread throughout Latin America. However, there are few research and monitoring studies of Hg toxicity in fish and fish-eating wildlife in Latin America compared to North America. In the present paper, we reviewed the literature from published articles and reports and summarized and assessed data on Hg in fish from 10 391 individuals and 192 species sampled across Latin America. We compared fish Hg levels with toxicity reference values (TRVs) for fish and dietary TRVs for fish-eating wildlife. We determined that fish, piscivorous birds, and other wildlife are at risk of Hg toxicity. We observed a large disparity in data quantity between North and Latin America, and identified regions requiring further investigation. In particular, future biomonitoring and research should focus on exposure of wildlife to Hg in Peru, Chile, Uruguay, the eastern and northern regions of Brazil, Venezuela, Ecuador, and Colombia. We also discuss Hg risk assessment methodological issues and recommend that future evaluations of Hg risk to wildlife must collect key physiological variables, including age, body size, and ideally Hg-to-Se molar ratios. Integr Environ Assess Manag 2021;17:13–26. © 2020 Environment and Climate Change Canada. Integrated Environmental Assessment and Management published by Wiley Periodicals LLC on behalf of Society of Environmental Toxicology & Chemistry (SETAC) KEY POINTS Fish and fish-eating wildlife in Latin America are at risk of Hg toxicity. Small-scale artisanal Au mining is a major source of Hg emissions globally. Comparatively far less research has investigated Hg toxicity in fish and piscivorous birds in South America than in North America. Key physiological variables, such as age, body size, and Hg-to-Se molar ratios, are important factors for evaluation of Hg risk to wildlife.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».