MétaCan
Menu
Retour à la cohorte
Enregistrement W3128045437 · doi:10.1039/d0em00494d

Characterization of inhalation exposure to gaseous elemental mercury during artisanal gold mining and e-waste recycling through combined stationary and personal passive sampling

2021· article· en· W3128045437 sur OpenAlexafffund
Melanie A. Snow, Godfred Darko, Opoku Gyamfi, Eugene Ansah, Knut Breivik, Christopher Hoang, Ying Duan Lei, Frank Wania

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensThe Scarborough HospitalUniversity of TorontoToronto Public Health
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNorges ForskningsrådUniversity of Toronto
Mots-clésMercury (programming language)Elemental mercuryGold miningWaste managementEnvironmental scienceEnvironmental chemistryNorwegianChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

were observed, with the higher end of the range occurring in one gold mining community. Large differences in the GEM exposure averaged over the length of a workday between individuals can be rationalized by their activity and proximity to mercury sources. In each of the three settings, the measured exposure of the highest exposed individuals exceeded the highest concentration recorded with a stationary sampler, presumably because those individuals were engaged in an activity that generated or involved GEM vapors. High day-to-day variability in exposure for those who participated on more than one day, suggests the need for sampling over multiple days for reliable exposure characterization. Overall, a combination of personal and stationary passive sampling is a cost-effective approach that cannot only provide information on exposure levels relative to regulatory thresholds, but also can identify emission hotspots and therefore guide mitigation measures.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,241
Écart entre enseignants0,230 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetRecycling and Waste Management TechniquesTravaux en français237 207