MétaCan
Menu
Retour à la cohorte
Enregistrement W4408201373 · doi:10.1038/s43247-025-02105-7

Plastics matter in the food system

2025· review· en· W4408201373 sur OpenAlexaff
Joe Yates, Megan Deeney, Jane Muncke, Bethanie Carney Almroth, Marie‐France Dignac, Arturo Castillo Castillo, Winnie Courtene‐Jones, Suneetha Kadiyala, Eva Kumar, Peter Stoett, Mengjiao Wang, Trisia Farrelly

Notice bibliographique

RevueCommunications Earth & Environment · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensOntario Tech University
Organismes subventionnairesForeign and Commonwealth OfficeInnovative Methods and Metrics for Agriculture and Nutrition ActionsGovernment of the United KingdomBill and Melinda Gates Foundation
Mots-clésEnvironmental scienceBusiness

Résumé

récupéré en direct d'OpenAlex

Agriculture and food systems are major sources of plastic pollution but they are also vulnerable to their diverse lifecycle impacts. However, this problem is not well-recognized in global policy and scientific discourse, agendas, and monitoring of food systems. The United Nations-led Global Plastics Treaty, which has been under negotiation since 2022, is a critical opportunity to address pollution across the entire plastics lifecycle for more sustainable and resilient food systems. Here, we offer aspirational indicators for future monitoring of food systems' plastics related to (1) plastic polymers and chemicals, (2) land use, (3) trade and waste, and (4) environmental and human health. We call for interdisciplinary research collaborations to continue improving and harmonising the evidence base necessary to track and trace plastics and plastic chemicals in food systems. We also highlight the need for collaboration across disciplines and sectors to tackle this urgent challenge for biodiversity, climate change, food security and nutrition, health and human rights at a whole systems level.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,026
Tête enseignante GPT0,267
Écart entre enseignants0,240 · 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

Citations22
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207