MétaCan
Menu
← Retour à la cohorte
Enregistrement W4315472878 · doi:10.1139/cjfas-2022-0200

Assessing the impacts of mining activities on fish health in Northern Québec

2023· article· en· W4315472878 sur OpenAlexafffundvenueabout
Anthony Fontaine, Mackenzie Anne Clifford Martyniuk, Camille Garnier, Patrice Couture

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesEnvironment and Climate Change CanadaMinistère des Forêts, de la Faune et des Parcs
Mots-clésBioaccumulationSeleniumGlutathione peroxidaseCatalaseOxidative stressEnvironmental chemistryFish <Actinopterygii>EcologyBiologyChemistryFisheryBiochemistry

Résumé

récupéré en direct d'OpenAlex

For several decades, Northern Québec has been exploited by mining companies for its mineral resources, yet, research documenting the effects of toxic stress on fish health in subarctic environments remains limited. In this study, one lake directly affected by mining activities in the Schefferville area, two lakes close to mining facilities in the Fermont and Schefferville areas, and one reference lake were sampled for water, sediment, and fish. Our results suggest that manganese bioaccumulation induced an oxidative stress in Catostominæ, as demonstrated by the positive relationships between manganese concentrations and catalase (CAT) activity and 8-hydroxy-2′-deoxyguanosine (8-OHdG) concentrations, as well as the negative relationship with glutathione peroxidase (GPx) activity (both CAT and GPx activities being biomarkers of antioxidant capacities and 8-OHdG an indicator of deoxyribonucleic acid oxidative damage). Similarly, selenium bioaccumulation was positively correlated with 8-OHdG concentrations in Salmoninæ. These results suggest a prooxidant role of excess selenium and manganese, and highlight the interspecific variability of fish responses to contaminated areas around historical and current iron ore mining operations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,044
Tête enseignante GPT0,295
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'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

Citations2
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMercury impact and mitigation studies→Travaux en français237 207→