MétaCan
Menu
← Retour à la cohorte
Enregistrement W4379600027 · doi:10.1002/etc.5683

Effects of the Herbicide Metolachlor and Pond Drying on Growth and Development of Wood Frog Tadpoles (<i>Lithobates sylvaticus</i>)

2023· article· en· W4379600027 sur OpenAlexafffund
Simon Laporte, Dany Garant, Patrick Bergeron

Notice bibliographique

RevueEnvironmental Toxicology and Chemistry · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAmphibian and Reptile Biology
Établissements canadiensBishop's UniversityUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBishop's University
Mots-clésLithobatesMetolachlorMesocosmAmphibianMetamorphosisBiologyPesticideLarvaEcologyContext (archaeology)EcotoxicologyEnvironmental chemistryChemistryAtrazineEcosystem

Résumé

récupéré en direct d'OpenAlex

Pesticides and climate change are both thought to contribute to the global amphibian decline, yet their combined effects are still poorly understood. Metolachlor is a widespread herbicide applied across North America, but little is known about its effects on amphibians. We used a replicated mesocosm experimental design with different levels of drying (i.e., no drying and medium and rapid drying) and metolachlor concentrations (0, 0.8, 8, and 80 µg/L) to assess their respective and combined effects on wood frog (Lithobates sylvaticus) larvae throughout metamorphosis. Metolachlor had no significant effect on survival and development of tadpoles. However, metolachlor significantly interacted with drying levels to reduce the growth of tadpoles, which was mainly due to a difference detected among metolachlor concentrations under the rapid drying treatment. Drying also directly reduced growth and body mass at metamorphosis. Our results suggest that environmental stressors, such as drying, should be considered in toxicological experiments to provide relevant exposure conditions to pesticides for ephemeral pond species in the context of global climate change. Environ Toxicol Chem 2023;42:1772-1781. © 2023 SETAC.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,186
Écart entre enseignants0,181 · 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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Toxicology and Chemistry→Même sujetAmphibian and Reptile Biology→Travaux en français237 207→