Why are PFOS ecological surface water quality criteria so different between countries? A review of differences in regulatory guidance
Notice bibliographique
Résumé
Ecological surface water quality criteria (SWQC) for perfluorooctane sulfonic acid (PFOS) vary several orders of magnitude between jurisdictions. Such differences can undermine confidence in the SWQC and their scientific basis. The current study undertakes a sensitivity analysis to investigate the factors that drive the differences observed in the PFOS SWQC published by the United States, Australia, and Canada. Each jurisdiction follows a broadly similar three-step procedure when deriving SWQC: (1) selecting reliable ecotoxicological data from the literature (Variable 1, Study Selection); (2) extracting a suite of values that are protective of individual aquatic taxa (Variable 2, Data Reduction); and (3) deriving a final singular value that is protective of aquatic ecosystems (Variable 3, SWQC Derivation). We found substantial differences between the studies deemed reliable in each jurisdiction (Variable 1). Applying each jurisdiction's data reduction and SWQC derivation procedures (Variables 2 and 3) to the other jurisdictions' datasets showed generally comparable outcomes, except for Australia. Aspects of Australia's data reduction and SWQC derivation approach were unique and resulted in materially lower (i.e., greater than an order of magnitude difference) SWQC values. We suggest clarification of the scientific rationale behind the decision making for difference-driving steps and greater alignment between jurisdictions, based on sound scientific reasoning, to increase regulatory consistency and transparency and decrease overall uncertainty in promulgated SWQC.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».