Integrating emerging science to improve estimates of risk to wildlife from chemical exposure: What are the challenges?
Notice bibliographique
Résumé
Many jurisdictions require ecological risk assessments for terrestrial wildlife (i.e., terrestrial vertebrates) to assess potential adverse effects from exposure to anthropogenic chemicals. This occurs, for example, at contaminated sites and when new pesticides are proposed, and it occurs for chemicals that are in production and/or proposed for wide-scale use. However, guidance to evaluate such risks has not changed markedly in decades, despite the availability of new scientific tools to do so. In 2019, the Wildlife Toxicology World Interest Group of the Society of Environmental Toxicology and Chemistry (SETAC) initiated a virtual workshop that included a special session coincident with the annual SETAC North America meeting and which focused on the prospect of improving risk assessments for wildlife and improving their use in implementing chemical regulations. Work groups continued the work and investigated the utility of integrating emerging science and novel methods for improving problem formulation (WG1), exposure (WG2), toxicology (WG3), and risk characterization (WG4). Here we provide a summary of that workshop and the follow-up work, the regulations that drive risk assessment, and the key focus areas identified to advance the ability to predict risks of chemicals to wildlife. Integr Environ Assess Manag 2024;20:645-657. © 2024 The Authors. Integrated Environmental Assessment and Management published by Wiley Periodicals LLC on behalf of Society of Environmental Toxicology & Chemistry (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 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».