Comparisons of PNEC derivation logic flows under example regulatory schemes and implications for ecoTTC
Notice bibliographique
Résumé
Derivation of Predicted No Effect Concentrations (PNECs) for aquatic systems is the primary deterministic form of hazard extrapolation used in environmental risk assessment. Depending on the data availability, different regulatory jurisdictions apply application factors (AFs) to the most sensitive measured endpoint to derive the PNEC for a chemical. To assess differences in estimated PNEC values, two PNEC determination methodologies were applied to a curated public database using the EnviroTox Platform (www.EnviroToxdatabase.org). PNECs were derived for 3647 compounds using derivation procedures based on example US EPA and a modified European Union chemical registration procedure to allow for comparisons. Ranked probability distributions of PNEC values were developed and 5th percentile values were calculated for the entire dataset and scenarios where full acute or full chronic data sets were available. The lowest PNEC values indicated categorization based on chemical attributes and modes of action would lead to improved extrapolations. Full acute or chronic datasets gave measurably higher 5th percentile PNEC values. Algae were under-represented in available ecotoxicity data but drove PNECs disproportionately. Including algal inhibition studies will be important in understanding chemical hazards. The PNEC derivation logic flows are embedded in the EnviroTox Platform providing transparent and consistent PNEC derivations and PNEC distribution calculations.
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 | 0,046 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».