MétaCan
Menu
Retour à la cohorte
Enregistrement W4414545453 · doi:10.1007/s43621-025-01544-8

Systematic review of environmental and human health risk assessments in municipal solid waste management

2025· article· en· W4414545453 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDiscover Sustainability · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésRisk assessmentSAFERMunicipal solid wasteStandardizationHuman healthSustainabilityRisk managementHazardous wasteResource (disambiguation)

Résumé

récupéré en direct d'OpenAlex

Abstract Effective risk assessment is critical for ensuring safe and sustainable municipal solid waste (MSW) management, supporting data-driven decision-making and regulatory compliance by identifying hazards, evaluating their impacts, and guiding targeted mitigation strategies. This study uses the PRISMA method to systematically review 72 studies published in the past decade on risk assessments for various MSW facilities, providing a comprehensive overview of current practices while identifying key trends, gaps, and opportunities for improvement. Results indicate that approximately 60% of environmental assessments identified risks, with over half focusing on human health. While diverse MSW facilities, including dumpsites, composting, incineration, energy-from-waste (EfW), and recycling, were investigated, landfills accounted for 49% of the reviewed studies, underscoring their global prevalence. The findings emphasize the need for continuous pollution monitoring, even in facilities initially deemed low-risk, and highlight the importance of a standardized methodology that integrates analytical tools with statistical software to address inconsistencies in risk assessment indices. Such standardization would enhance mitigation effectiveness, support evidence-based policymaking, and optimize resource allocation, ultimately fostering safer and more sustainable MSW management systems. Graphical abstract

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,716
Score d'incertitude au seuil0,893

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,312
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle