Trace element accumulation in different edible fish species from the Bolivian Amazon and the risk for human consumption
Notice bibliographique
Résumé
Artisanal mining and erosion of metalbearing soils can contaminate aquatic ecosystems and affect the health of riparian human populations, through metal bio-accumulation processes and fish consumption. Concentrations of eight trace metals (Cd, Cr, Co, Cu, Pb, Hg, Ni, Zn) and a metalloid (As) were measured in the muscle tissue of different edible fish species collected from markets of two cities along the Beni River banks, in the Bolivian Amazon. Relationships between the size of fish belonging to different trophic levels (carnivores, omnivores, detritivores and herbivorous) from four different fishing zones were analyzed. The most relevant results corresponded to the detritivore group, whose members exhibited significant positive correlations between the fish size and the concentration of three metals (cadmium, cobalt and nickel). Furthermore, a 3 × 3 scenario-risk analysis was performed to assess local risk for human health. This was done by relating three different scenarios of local fish consumption collected from literature (maximum, average and minimum) and three different levels of trace element concentrations (95 th , 50 th and 5 th percentile) derived from the present study and the Minimal Risk Levels suggested by the Agency for Toxic Substances and Disease Registry. Results of these calculations determined the amount of fish muscle per contaminant that could be consumed per day without risking human's health. Finally, Target Hazard Quotients were calculated for each trace element, aiming to indicate the potential exposure to each one and the concentration at which no adverse effects are expected. The obtained results made clear that mercury is the only trace element that represents an important health risk to humans within the studied region, considering most of the combinations in the 3 × 3 analysis. Chronic mercury intoxication could occur when consumption of fish in Riberalta or Rurrenabaque exceeded 83 g/day in females and 110 g/day in males.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».