Managing Microplastics in Saint John, New Brunswick: A Grassroots Action Utilizing the One Health Framework
Notice bibliographique
Résumé
Plastic pollution in marine environments has become a global crisis, with microplastics posing significant threats to the health of all one health model stakeholders: humans, non-human animals, and ecosystems. The persistent and pervasive nature of plastics makes ocean plastic pollution a complex and interconnected “wicked problem.” This paper explores the LINT LUV-R initiative by the Atlantic Coastal Action Program in Saint John, a grassroots, community-based approach to preventing microplastic and microfiber accumulation in Saint John Harbour by installing microfiber filters in washing machines. Unique in its preventive methodology, this initiative captures microfibers before they enter aquatic ecosystems, addressing a critical source of microplastic contamination in this region. Grounded in the principles of One Health, this initiative recognizes the interdependence of human, non-human animal, and environmental health. This inclusive approach fosters collaboration among diverse stakeholders, including Indigenous communities, fishers, environmental nonprofits, government agencies, and the community, to promote sustainable solutions for Saint John Harbour. The initiative demonstrates measurable success, capturing millions of microfibers annually while empowering participants through education and citizen science. By combining preventive action, cultural sensitivity, and stakeholder engagement, the LINT LUV-R initiative offers a replicable model for combating microplastic pollution in other coastal regions. This paper highlights the necessity of community-led, multidisciplinary approaches to solve wicked environmental problems and advance the health of interconnected systems, prioritizing the health of non-human animals, humans, and ecosystems equally.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».