How Many Chemicals in Commerce Have Been Analyzed in Environmental Media? A 50 Year Bibliometric Analysis
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Over the past 50 years, there has been a tremendous expansion in the measurement of chemical contaminants in environmental media. But how many chemicals have actually been determined, and do they represent a significant fraction of substances in commerce or of chemicals of concern? To address these questions, we conducted a bibliometric survey to identify what individual chemicals have been determined in environmental media and their trends over the past 50 years. The CAplus database of CAS, a Division of the American Chemical Society, was searched for indexing roles “analytical study” and “pollutant” yielding a final list of 19,776 CAS Registry Numbers (CASRNs). That list was then used to link the CASRNs to biological studies, yielding a data set of 9.251 × 10 6 total counts of the CASRNs over a 55 year period. About 14,150 CASRNs were substances on various priority lists or their close analogs and transformation products. The top 100 most reported CASRNs accounted for 34% of the data set, confirming previous studies showing a significant bias toward repeated measurements of the same substances due to regulatory needs and the challenges of determining new, previously unmeasured, compounds. Substances listed in the industrial chemical inventories of Europe, China, and the United States accounted for only about 5% of measured substances. However, pharmaceuticals and current use pesticides were widely measured accounting for 50–60% of total CASRN counts for the period 2000–2015.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,054 | 0,123 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».