Climate change amplifies neurotoxic methylmercury threat to Asian fish consumers
Notice bibliographique
Résumé
Climate change is intricately influencing the accumulation of neurotoxic methylmercury (MeHg) in human food webs, potentially leading to uneven exposure risks across regions. Here, we reveal that climate change will elevate MeHg risks in China, with implications for regional inequalities in Asia through a climate-mercury-food-health nexus. Using a compiled fish mercury dataset from 13,000 samples and machine learning, we find that freshwater wild fish-an essential component of the Asian diet-is an underappreciated MeHg source. Specifically, MeHg concentrations in freshwater wild fish are 2.9 to 6.2 times higher than in freshwater farmed fish and 1.7 times higher than in marine wild fish. Individual climate factors influence MeHg accumulation differently, while their combined effects significantly increase MeHg concentrations in freshwater wild fish. Under SSP2-4.5 and SSP5-8.5 by 2031 to 2060, national average MeHg concentrations in freshwater wild fish are projected to increase by about 60%, adding a maximum annual economic loss of US$18 million (2022 USD) from intelligence quotient decrements in Chinese newborns. This loss may vary regionally within China and among Asian countries, disproportionately affecting less developed areas. Coordinating climate action with mercury emission reduction strategies could mitigate these overlooked regional risks, reduce regional inequalities in food safety, and ultimately contribute to sustainable development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».