Microplastics in African ecosystems: Current knowledge, abundance, associated contaminants, techniques, and research needs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite Africa ranking top in mismanaged plastic waste, there is insufficient data on the extent of microplastics and its interaction with other contaminants in its ecosystems. Microplastics pollution has been documented globally, however, specific data from the continent is crucial for accurate risk assessment and to drive policies. We critically reviewed 56 articles from 1987 to 2020 and provide an overview of the current knowledge of the abundance and distribution of microplastics and associated contaminants in African aquatic systems and organisms. Most of the studies were carried out in the marine environment and there is currently no available data on the abundance of microplastic pollution in the African terrestrial environment. We show that across all studies, 5-100% of all sampled aquatic organisms contained microplastics. Concerning high levels of microplastics were reported in fish from Egypt compared to other parts of Africa and the world. Across all persistent organic pollutants sampled in microplastics, hopanes and phthalates were present at high concentrations while sodium and zinc were high relative to other trace metals reported. The most frequently occurring plastics were polyethylene followed by polypropylene and polystyrene. We found that most of the studies relied on visual inspection (52%) > FTIR (38%) > Raman spectroscopy (5%) > Scanning electron microscopy (3%) > Differential scanning calorimetry (2%) for identifying microplastics. Major gaps in sampling and identification techniques which may have overestimated or underestimated the current levels were identified. We discuss other research priorities and recommend solutions to address these issues associated with microplastic pollution in Africa.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle