An extended quantitative weight of evidence with uncertainty evaluation for the risk assessment of dredged sediment
Notice bibliographique
Résumé
The sustainable management of dredged material requires robust risk characterization of contaminated sediment to protect both dredging areas and destination sites. However, integrated frameworks for assessing sediment quality prior to management are rarely applied. This study presents a paradigmatic case using a quantitative Weight of Evidence (WoE) approach on sediments from a canal in the Venice Lagoon (Italy), designated for future dredging. The aim is to assess whether integrating biological and chemical lines of evidence (LoEs) provides a more robust framework for dredged material risk assessment and management. Multiple LoEs were integrated, including chemical analyses of inorganic and organic contaminants, ecotoxicological bioassays, bioaccumulation tests, biomarker responses, and a novel transcriptomics LoE. Uncertainty in LoE integration was addressed probabilistically to quantify confidence in the final risk assessment. Results revealed a spatial gradient in sediment quality, with higher degradation near the industrial area. However, biological data indicated potential toxicity in sediments far from non-industrial sites that chemical analyses alone failed to detect. This discrepancy suggests the possible presence of not-targeted contaminants or other unknown factors, warranting further investigation. The study emphasizes the importance of assessing sediment effects across biological levels, tracing hazards to specific LoEs, and explicitly addressing uncertainty: these are three key steps for effective sediment risk assessment and informed decision-making.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».