MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403484707 · doi:10.21079/11681/49441

Literature review of Microseira wollei distribution, environmental drivers, and risks : Lake St. Clair, Michigan, case study

2024· report· en· W4403484707 sur OpenAlexaboutno aff
Alyssa J. Calomeni, Catherine Thomas, Afrachanna Butler, Andrew McQueen, Todd Slack, Gregory Mausolf, Jeffrey Bednar

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesEngineer Research and Development Center
Mots-clésGeographyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Microseira wollei (formerly Lyngbya wollei) has grown to noxious densities within Lake St. Clair, located between Lake Erie and Lake Huron. De-spite the limited data on this cyanobacterium within Lake St. Clair, data exists for M. wollei within the Great Lakes region and in the southeastern United States, where water resource managers have been managing growths for decades. These data provide pertinent insights into the environmental distribution, environmental drivers, risks, and management of M. wollei, which is mainly distributed within eastern states and provinces in North America, from Canada to Florida. Environmental drivers may be site-specific and specific to the M. wollei population; therefore, the environmental drivers identified in this literature review are a starting point to inform further investigations. M. wollei within Lake St. Clair may pose risks to humans. Risks may originate from toxins, disinfection by-products, and, potentially, fecal indicator bacteria. M. wollei has the potential to produce a range of toxins; however, the most prevalent toxins are saxitoxins, a group of neurotoxins. This literature review will help the US Army Corps of Engineers Detroit District; Macomb County, Michigan; and other interested parties understand potential triggers for growth, communicate risks, and help develop an adaptive management framework.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,014
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,292
Écart entre enseignants0,269 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAquatic Invertebrate Ecology and Behavior→Travaux en français237 207→