MétaCan
Menu
Retour à la cohorte
Enregistrement W4317888404 · doi:10.24908/ohi.v1i1.16059

The utilization of hydrophobic wax beads for the absorption of gas particles: A one health approach to address fuel spills in lake Muskoka

2022· article· en· W4317888404 sur OpenAlexaboutno aff
Emma Klawitter, Riley Cook, Julie Wallace, Wesley Geerlinks, Braeden Levac

Notice bibliographique

RevueOne Health Innovation · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman healthEnvironmental scienceWaxCarnauba waxEnvironmentally friendlyEnvironmental chemistryWaste managementMicroplasticsEnvironmental protectionEnvironmental engineeringChemistryEcologyEnvironmental healthEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

The prevalence of recreational, motorized boating on freshwater lakes has significantly increased in the last decades. Consequently, there has been an increase in fuel spills and an accumulation of toxic polycyclic aromatic hydrocarbons (PAHs), which can have significant adverse health impacts on humans, non-human animals, and the environment. As previous initiatives to clean up spills have often been invasive, tough to follow, and environmentally intolerant, a One Health approach is necessary to address this issue. This article proposes a cost-effective and environmentally friendly solution to remove PAHs from Lake Muskoka in Ontario, Canada. The solution, based on principles of hydrophobic interactions, employs Carnauba wax beads in mesh cages to absorb PAHs from the water. This natural absorbent technology could lead to improvements in the overall quality of life and health of humans, non-human animals, and the environment. If deemed successful, this technology may be adapted to other bodies of water to mitigate the damage of PAHs on freshwater ecosystems.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,073

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,076
Tête enseignante GPT0,308
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOne Health InnovationMême sujetOil Spill Detection and MitigationTravaux en français237 207