Guidance on assessing the potential impacts of selenium in freshwater ecosystems
Notice bibliographique
Résumé
Despite decades of fate and effects studies, environmental selenium (Se) contamination and management remain an issue for many freshwater systems in North America. Several regulatory bodies have promulgated updated targets or management levels for Se; however, additional guidance on best practices for monitoring Se to protect freshwater aquatic life is warranted. In this article, we describe current approaches to assessing the ecological risks of Se in impaired freshwater systems and outline recommended methods for collecting and analyzing biological and abiotic samples and interpreting data. Because reproductive impairment of fish populations is most commonly used to determine the potential impacts of Se, several biological factors that could affect Se toxicity are explored, including diet, trophic positions, reproductive biology, body size and maturity, migratory movements, and use of seasonal habitats. Measuring Se concentrations in mature eggs is the most reliable metric for estimating potential reproductive impairment in fish populations because the range of toxicity thresholds is relatively narrow for all but a few tolerant fish species. In situations where collecting mature eggs is not feasible, we review the use of alternative fish tissue for estimating potential effects. Factors affecting Se uptake from freshwater are also considered with guidance on collecting abiotic (e.g., water and sediment) and biotic components of aquatic food webs (e.g., macroinvertebrates, biofilm).
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».