MétaCan
Menu
Retour à la cohorte
Enregistrement W4321793390 · doi:10.1016/j.trac.2023.116993

The measurement of food safety and security risks associated with micro- and nanoplastic pollution

2023· article· en· W4321793390 sur OpenAlexfundno aff
Joost L.D. Nelis, Veronika J. Schacht, Amanda L. Dawson, Utpal Bose, Aristeidis S. Tsagkaris, Darina Dvořáková, David J. Beale, Ali Can, Christopher T. Elliott, Kevin V. Thomas, James A. Broadbent

Notice bibliographique

RevueTrAC Trends in Analytical Chemistry · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Marie Skłodowska-Curie ActionsH2020 European Research CouncilCanada Excellence Research Chairs, Government of CanadaCommonwealth Scientific and Industrial Research OrganisationEuropean Commission
Mots-clésRisk analysis (engineering)Food securityFood safetyPollutionBusinessScale (ratio)Plastic pollutionEnvironmental scienceLegislationEnvironmental planningAgricultureGeography

Résumé

récupéré en direct d'OpenAlex

Agricultural systems are increasingly impacted by micro- and nanoplastic (MNP) pollution raising concerns for food safety and security. To understand the scale of the problem and develop mitigation strategies, there is a need to characterise the effects and impacts of MNP. Here, we discuss the main MNP entry pathways into the human food chain and their effects/impact on food and feed sources, identifying major research gaps hindering robust risk assessments of MNP pollution. We identified emerging and current analytical methods to facilitate the closing of those gaps. An interdisciplinary approach combining omics strategies with novel methods for fast and reliable MNP measurement and plastic additive leaching characterisation across multiple dynamic environments can accurately quantify MNP pollution risks. Data of this type is essential to support policy development and legislation to prevent further MNP pollution from causing food safety and security problems worldwide.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,236
Écart entre enseignants0,215 · 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

Citations34
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrAC Trends in Analytical ChemistryMême sujetMicroplastics and Plastic PollutionTravaux en français237 207