MétaCan
Menu
Retour à la cohorte
Enregistrement W3208262809 · doi:10.1159/000517636

Interpreting Risk from Sunscreens in the Marine Environment

2021· review· en· W3208262809 sur OpenAlexaff
Abigail Renegar, Denis K. Dudley

Notice bibliographique

RevueCurrent problems in dermatology · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensShared Services Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceEnvironmental chemistryAquatic environmentContaminationBiochemical engineeringBiologyEcologyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Recent and pending bans in specific jurisdictions of some organic ultraviolet (UV) filters have resulted in significant concern and controversy over the potential impacts of these contaminants in the marine environment. Organic UV filters have been quantified in the aquatic environment as contaminants in water, sediments, and the tissues of aquatic organisms. The limited available laboratory studies on the toxicity of UV filters to keystone marine species such as reef-building corals describe a wide variety of impacts, from significant acute effects to no observed effects. However, interpretation of results is complicated by differences in methodology, and exposures to single agents in vitro may not reflect the effects of longer exposure to finished sunscreens containing UV filters in combination with numerous other chemicals. Relatively short-term observations of laboratory effects thus may not translate to real-life field conditions, where organisms may be subject to the effects of long-term chronic exposure to UV filters as well as other environmental contaminants and stressors. The lack of current understanding of the full impacts of UV filters, both in the laboratory and in the environment, represents a significant challenge in interpreting the environmental risk associated with the widespread use of sunscreens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,280
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent problems in dermatologyMême sujetMicroplastics and Plastic PollutionTravaux en français237 207