Research Progress in Current and Emerging Issues of PFASs’ Global Impact: Long-Term Health Effects and Governance of Food Systems
Notice bibliographique
Résumé
Per- and polyfluoroalkyl substances (PFASs) are found everywhere, including food, cosmetics, and pharmaceuticals. This review introduces PFASs comprehensively, discussing their nature and identifying their interconnection with microplastics and their impacts on public health and the environment. The human cost of decades of delay, cover-ups, and mismanagement of PFASs and plastic waste is outlined and briefly explained. Following that, PFASs and long-term health effects are critically assessed. Risk assessment is then critically reviewed, mentioning different tools and models. Scientific research and health impacts in the United States of America are critically analyzed, taking into consideration the Center for Disease Control (CDC)'s PFAS Medical Studies and Guidelines. PFAS impact and activities studies around the world have focused on PFAS levels in food products and dietary intake in different countries such as China, European countries, USA and Australia. Moreover, PFASs in drinking water and food are outlined with regard to risks, mitigation, and regulatory needs, taking into account chemical contaminants in food and their impact on health and safety. Finally, PFAS impact and activities briefings specific to regions around the world are discussed, referring to Australia, Vietnam, Canada, Europe, the United States of America (USA), South America, and Africa. The PFAS crisis is a multifaceted issue, exacerbated by mismanagement, and it is discussed in the context of applying the following problem-solving analytical tools: the Domino Effect Model of accident causation, the Swiss Cheese Theory Model, and the Ishikawa Fish Bone Root Cause Analysis. Last but not least, PFASs' impacts on the Sustainable Development Goals (SDGs) of 2030 are rigorously discussed.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».