MétaCan
Menu
Retour à la cohorte
Enregistrement W4405646503 · doi:10.1177/10482911241303930

Toxic Cargo: How Rail Transport of Vinyl Chloride Puts Millions at Risk, an Analysis One Year After the Ohio Train Derailment

2024· article· en· W4405646503 sur OpenAlexaboutno aff

Notice bibliographique

RevueNEW SOLUTIONS A Journal of Environmental and Occupational Health Policy · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVinyl chlorideEngineeringEnvironmental scienceForensic engineeringWaste managementChemistry

Résumé

récupéré en direct d'OpenAlex

On February 3, 2023, five train cars containing 887,400 pounds of vinyl chloride, the key building block for polyvinyl chloride (PVC) plastic, derailed and burned, setting off a major environmental health disaster that sickened area residents and first responders, killed wildlife, and contaminated East Palestine, Ohio and surrounding communities. OxyVinyls is the largest vinyl chloride monomer producer in the United States and the third-largest PVC supplier in the United States. How much of this hazardous chemical is transported every year, and how many people are put at risk? To better understand the magnitude of this hazard, we established the most likely rail routes for shipping of vinyl chloride from two OxyVinyls plants in Texas to four PVC factories in New Jersey, Illinois, and Ontario. We estimate that up to 36 million pounds of vinyl chloride travels on more than 200 rail cars across nearly 2,000 miles of US railways at any given moment. Over a year, an estimated 8,595 rail cars carry approximately 1.5 billion pounds of vinyl chloride from OxyVinyls to these plastics plants. The rail shipment of vinyl chloride to make PVC plastic puts more than three million people at risk. We estimate more than three million people live, and about 670,000 children attend more than 1500 schools, within one mile of the train route between Texas and New Jersey.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNEW SOLUTIONS A Journal of Environmental and Occupational Health PolicyMême sujetMicroplastics and Plastic PollutionTravaux en français237 207