Paint: a ubiquitous yet disregarded piece of the microplastics puzzle
Notice bibliographique
Résumé
Microplastics are widespread pollutants. Microplastics generated from the wear and tear of paints and coatings have recently been modeled to be a large source of microplastics to the environment. Yet, studies focused on microplastics broadly frequently overlook paint microplastics. In this article, we systematically reviewed the primary literature (turning up 53 relevant articles) on paint microplastic sources, identification methods, environmental concentrations, and toxicity to model organisms. Examples of sources of paint microplastics include paints from buildings and murals, crafts and hobbies, cars and roads, marine boats and structures, and industrial systems like pipes, sewers, and other infrastructure. Paint microplastics have been quantified in several marine samples from Europe and, to a lesser extent, East Asia. Reported concentrations of paint microplastics are up to 290,000 particles per kilogram of sediments, with the greatest concentration reported near a graffiti wall. Out of the toxicity studies testing paint microplastics, there have been 68 tested effects in total across all endpoints and organisms and 17 quantified lethal concentration 50% doses (ranging from 0.001 to 20 g/L). Of the tested effects, 45 observed endpoint values in the paint treatment were significantly different from the control (66%)-most of which were tests using antifouling paints. Overall, the number of studies on paint microplastics is small, limiting a holistic understanding of microplastics. Based on our synthesis of the state of the science on paint microplastics, we suggest a research agenda moving forward informed by research gaps.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».