Risk-based management framework for microplastics in aquatic ecosystems
Notice bibliographique
Résumé
Abstract Microplastic particles (MPs) are ubiquitous across a wide range of aquatic habitats but determining an appropriate level of risk management is hindered by a poor understanding of environmental risk. Here, we introduce a risk management framework for aquatic ecosystems that identifies four critical management thresholds, ranging from low regulatory concern to the highest level of concern where pollution control measures could be introduced to mitigate environmental emissions. The four thresholds were derived using a species sensitivity distribution (SSD) approach and the best available data from the peer-reviewed literature. This included a total of 290 data points extracted from 21 peer-reviewed microplastic toxicity studies meeting a minimal set of pre-defined quality criteria. The meta-analysis resulted in the development of critical thresholds for two effects mechanisms: food dilution with thresholds ranging from ~ 0.5 to 35 particles/L, and tissue translocation with thresholds ranging from ~ 60 to 4100 particles/L. This project was completed within an expert working group, which assigned high confidence to the management framework and associated analytical approach for developing thresholds, and very low to high confidence in the numerical thresholds. Consequently, several research recommendations are presented, which would strengthen confidence in quantifying threshold values for use in risk assessment and management. These recommendations include a need for high quality toxicity tests, and for an improved understanding of the mechanisms of action to better establish links to ecologically relevant adverse effects.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».