Turning the Corner on Hazardous Tire Compounds: A Management Framework for Tire Additive Pollution
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Vehicle tires are complex chemical formulations that abrade during use, releasing tire particles everywhere roadways exist. The recent discovery that the tire additive transformation product 6PPD-quinone (N-(1,3-dimethylbutyl)-N′-phenyl-p-phenylenediamine-quinone) was primarily responsible for mortality in sentinel fish species has prompted regulatory and scientific scrutiny of tire additives as contaminants subject to widespread human and ecological exposure. Tire additives pose a global pollution challenge to human and ecosystem health due to their high emissions via tire wear particles combined with loss from in-use and waste tire materials. Such releases often occur in close proximity to humans, and mobilized material or chemicals are easily transported to habitats where adverse effects are possible. This issue demands a commensurate policy response that remains unaddressed by existing pollution management policies. We here propose five principles for managing tire additives: mandating nonhazardous alternatives and their transformation products, acknowledging impacts throughout tire life cycles, transparency in tire compositions, characterizing effects, and international harmonization. Following these principles, we outline a Management Framework for Tire Additive Pollution (MF-TAP) that recommends a phased regulatory approach, data transparency, independent expert panels, and internationally coordinated governance to drive the development and use of alternative, nonhazardous tire additive compounds. Managing tire additives according to the MF-TAP will allow us to better address the pollution potential of hazardous tire additives and reduce their impacts on human health and ecosystems.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».