MétaCan
Menu
Retour à la cohorte
Enregistrement W4286213339 · doi:10.1139/as-2021-0057

Current efforts on microplastic monitoring in Arctic fish and how to proceed

2022· article· en· W4286213339 sur OpenAlexaffvenue
Tanja Kögel, Bonnie M. Hamilton, Maria Granberg, Jennifer F. Provencher, Sjúrður Hammer, Alessio Gomiero, Kerstin Magnusson, Amy Lusher

Notice bibliographique

RevueArctic Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicroplasticsArcticPlastic pollutionMarine debrisComparabilityFish <Actinopterygii>LimitingThe arcticEnvironmental scienceFisheryFood chainSubsistence agricultureEnvironmental resource managementEcologyGeographyBiologyOceanographyEngineeringDebris

Résumé

récupéré en direct d'OpenAlex

In this review, we investigated published data on the occurrence of microplastic in Arctic fish, and the suitability of the data and species for risk assessment and monitoring. As of 11 November 2021, we found nine studies in the peer-reviewed literature, one thesis and one report, confirming the occurrence of microplastic in fishes from multiple Arctic regions. The studies varied in methodology, detection, and quantification limitations, reported categories of size, shape, and chemical identity. All these factors influence the numbers of microplastic reported, thus limiting comparability and hindering integrative analysis. The physiological impacts of the reported microplastic contamination cannot be determined, as all studies targeted stomach/intestine contents and did not use methods with limits of detection low enough to determine particle translocation from the intestine to other organs, tissues, or body fluids within the fish. Furthermore, there is a fundamental lack of understanding the transfer and the effects of plastic additives to Arctic fishes. In addition to discussing methodological challenges and knowledge gaps, we consider ecosystem needs, commercial interests, Indigenous people’s subsistence, food safety and food sovereignty concerns, and developed a framework to harmonize and facilitate pan-Arctic microplastic monitoring.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,474

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,001
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 GPT0,229
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations28
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetMicroplastics and Plastic PollutionTravaux en français237 207