MétaCan
Menu
Retour à la cohorte
Enregistrement W3205339501 · doi:10.1016/j.isci.2021.103255

The footprint of dioxins in globally traded pork meat

2021· article· en· W3205339501 sur OpenAlexaboutno aff
Kai‐Jie Chen, Tao Huang, Xiaodong Zhang, Xinrui Liu, Yufei Huang, Linfei Wang, Yuan Zhao, Hong Gao, Shu Tao, Junfeng Liu, Xiaohu Jian, Alexey Gusev, Jianmin Ma

Notice bibliographique

RevueiScience · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBioaccumulationContaminationEnvironmental scienceFood scienceChemistryBusinessEnvironmental chemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The bioaccumulation of polychlorinated dibenzo-p-dioxins/furans (PCDD/Fs), known as dioxins, in fatty meat is one of primary pathways of entry into the human body, but levels of human exposure to dioxins in fatty meat subject to global trade are unknown. We show high dioxin estimated dietary intake (EDI) via pork consumption in Europe, the United States, and China, owing to stronger dioxin environmental contamination and high pork consumption in these countries. The dioxin risk transfer embodied in pork trade is mostly significant in high-latitude countries and regions of Canada, Russia, and Greenland because these regions with low dioxin environmental levels import large amounts of pork meat from more severely dioxin-contaminated Europe and the United States. We demonstrate that global pig feed trading decreases the exposure of pork consumers to dioxins via the import of feed from countries with low dioxin environmental contamination by pig breeding countries.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,237
Écart entre enseignants0,225 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetToxic Organic Pollutants ImpactTravaux en français237 207