Toxic elements in arctic and sub-arctic brown bears: Blood concentrations of As, Cd, Hg and Pb in relation to diet, age, and human footprint
Notice bibliographique
Résumé
Contamination with arsenic (As), cadmium (Cd), mercury (Hg) and lead (Pb) is a global concern impairing resilience of organisms and ecosystems. Proximity to emission sources increases exposure risk but remoteness does not alleviate it. These toxic elements are transported in atmospheric and oceanic pathways and accumulate in organisms. Mercury accumulates in higher trophic levels. Brown bears (Ursus arctos), which often live in remote areas, are long-lived omnivores, feeding on salmon (Oncorhynchus spp.) and berries (Vaccinium spp.), resources also consumed by humans. We measured blood concentrations of As, Cd, Hg and Pb in bears (n = 72) four years and older in Scandinavia and three national parks in Alaska, USA (Lake Clark, Katmai and Gates of the Arctic) using high-resolution, inductively-coupled plasma sector field mass spectrometry. Age and sex of the bears, as well as the typical population level diet was associated with blood element concentrations using generalized linear regression models. Alaskan bears consuming salmon had higher Hg blood concentrations compared to Scandinavian bears feeding on berries, ants (Formica spp.) and moose (Alces). Cadmium and Pb blood concentrations were higher in Scandinavian bears than in Alaskan bears. Bears using marine food sources, in addition to salmon in Katmai, had higher As blood concentrations than bears in Scandinavia. Blood concentrations of Cd and Pb, as well as for As in female bears increased with age. Arsenic in males and Hg concentrations decreased with age. We detected elevated levels of toxic elements in bears from landscapes that are among the most pristine on the planet. Sources are unknown but anthropogenic emissions are most likely involved. All study areas face upcoming change: Increasing tourism and mining in Alaska and more intensive forestry in Scandinavia, combined with global climate change in both regions. Baseline contaminant concentrations as presented here are important knowledge in our changing world.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».