MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390936870 · doi:10.1201/9781003317395-63

Arsenic contamination on sediments in the North and Tamiahua Beaches, Gulf of Mexico: Environmental implications

2024· book-chapter· en· W4390936870 sur OpenAlexaboutno aff
Itzamna Zaknite Flores-Ocampo, J.S. Armstrog-Altrin

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContaminationOceanographyGeologyEnvironmental scienceEnvironmental protectionGeographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Recent studies, particularly in sediments of the Gulf of Mexico, show that there are high concentrations of arsenic (As). In Norte Beach sediments, concentration of As varies from 3.55 to 25.7 mg/kg, with an average value of 11.641 mg/kg. Similarly, the As content in Tamiahua Beach varies between 0.8 and 2.10 mg/kg (avg. 1.36 mg/kg). Different indices were used to infer the enrichment, toxicity and risk to the aquatic environment. The enrichment factor (EF) and geo-accumulation index (I geo ) obtained for As in the North Beach were 6.7–53.1 and 2.16–5.14, respectively. However, in Tamiahua beach sediments As content EF and I geo values vary between 1.8 to 4.57 and 0.26–1.61, respectively. The Canadian Environmental Quality Guide (CEQG) divides concentrations into 2 levels: threshold effect (TEL) and probable effect (PEL), these levels define three probable biological effects. The As concentrations of the two beaches were between the TEL (threshold effect levels) and PEL (probable effect level). High concentration of As is due to the anthropogenic contamination derived from different industries located along the Gulf of Mexico coastal areas, which increase the possibility for adverse effect towards living organisms.

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 enseignants0,034
Score d'incertitude au seuil0,067

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
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,017
Tête enseignante GPT0,227
Écart entre enseignants0,210 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeavy metals in environment→Travaux en français237 207→