The relationship between site history and human health risks: Lessons from 13 years of contaminated land risk assessments in Victoria, Australia
Notice bibliographique
Résumé
Abstract Site history is widely recognized as one of the key determinants of the nature and scale of contamination that is likely to be present at a location. While there is vast anecdotal and empirical evidence on the relationship between site history and risk of exposure to pollution, few attempts have been made to systematically collate data across sites to rigorously identify such trends. This study presents an analysis of human health risk metrics extracted from all 1732 contaminated land environmental audits published in Victoria, Australia between 2006 and 2018. The contaminating activities found to be most likely associated with elevated risks to human health were service stations, fuel depots, dry cleaners, gasworks, mechanical parts manufacturers, imported fill and unknown offsite sources generating regional groundwater pollution (usually polluted with trichloroethene). The ten chemical contaminants most frequently assessed in human health risk assessment reports included (in order): benzene, C>10–16 petroleum hydrocarbons, naphthalene, C6–10 petroleum hydrocarbons, xylenes, trichloroethene, toluene, ethylbenzene, benzo(a)pyrene, and tetrachloroethene. The findings of this report include recommendations to develop regulatory guideline values in Australia for trimethylbenzenes, heavy fraction petroleum hydrocarbons (C>16), and trans‐1,2‐dicholoethene, and to strengthen the evidence base informing risks associated with light fraction petroleum hydrocarbons (C6–16) and trichloroethene. To the author's knowledge, this study is the first to extract risk metrics from environmental audit reports and provides a strong evidence base to help regulators, academics and commercial practitioners rank and prioritize sites based on their site history and associated risks.
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) | 0,000 | 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 tête enseignante, 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 ».