MétaCan
Menu
Retour à la cohorte
Enregistrement W3121388303

FINANCIAL AND HEALTH COSTS OF PESTICIDE USE IN GROWING CONVENTIONAL AND GENETICALLY MODIFIED POTATOES IN PRINCE EDWARD ISLAND

2004· preprint· en· W3121388303 sur OpenAlexaboutno aff
Wiktor Adamowicz, Michele M. Veeman, Elspeth White

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2004
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPesticideAgricultureContext (archaeology)Pesticide applicationGenetically engineeredHealth benefitsAgricultural scienceGenetically modified organismPesticide residueBusinessHuman healthAgricultural economicsBiotechnologyGeographyEconomicsEnvironmental scienceAgronomyBiologyEnvironmental healthMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The majority of potato farming in Canada occurs in tightly clustered geographic locations and requires substantial chemical inputs. The possibility of pesticide drift, pesticide residues on food and the effect of pesticides on the environment, leads to interest in quantifying the different effects that pesticides may have on human health and the environment. This study focuses on the potential use of genetically modified potatoes, the associated issue of pesticide residues in the air, and the potential impact of this on the health of farmers, their families, and others in the context of Prince Edward Island. Reductions in costs of potato farming and reduced health costs that may be associated with lower pesticide applications in growing genetically engineered potatoes (NewLeaf, NewLeaf Plus and NewLeaf Pro potatoes, each genetically modified for particular traits), relative to conventional potato growing practices in Prince Edward Island are identified and quantified. It is concluded that the financial benefits from the use of fewer inputs with the modified potatoes are significant while the health benefits associated with reduced exposure to pesticides are relatively small.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,163
Score d'incertitude au seuil0,956

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,307
Écart entre enseignants0,261 · 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 tête enseignante, 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetPotato Plant ResearchTravaux en français237 207