MétaCan
Menu
Retour à la cohorte
Enregistrement W6929546648 · doi:10.5167/uzh-126446

Analysis and dissipation of the antiparasitic agent ivermectin in cattle dung under different field conditions

2016· article· en· W6929546648 sur OpenAlexaboutno aff

Notice bibliographique

RevueZurich Open Repository and Archive (University of Zurich) · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueAlgorithms and Data Compression
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIvermectinExtraction (chemistry)Antiparasitic agentSolid phase extractionPesticideMolluscicide

Résumé

récupéré en direct d'OpenAlex

Cattle treated with the veterinary parasiticide ivermectin fecally excrete residues. The authors report the exposition and dissipation characteristics of these residues in dung of ivermectin-treated cattle and in soil beneath this dung on pastures in Canada, France, Switzerland, and The Netherlands. Residues were quantified for dung collected from cattle after 3 d, 7 d, 14 d, and 28 d posttreatment and subsequently exposed in the field for up to 13 mo. The authors optimized a high-performance liquid chromatography– fluorescence detection method to detect ivermectin residues in dung and soil matrices. They showed that a solid phase extraction and purification step generally can be eliminated to reduce the time and cost of these analyses. They also found that the addition of water to relatively dry samples improves the extraction efficiency of residues. They then analyzed the field samples to document differences in ivermectin dissipation in cattle dung among sites, with 50% dissipation times of up to 32 d and 90% dissipation times >396 d. They further showed that the dissipation characteristics of residues are comparable between dung of ivermectin-treated cattle and dung to which ivermectin has been added directly. Lastly, they report the first use of a desorption electrospray ionization–high-resolution–mass spectrometric method to detect residues of metabolites in a dung matrix.

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 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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,244
Score d'incertitude au seuil0,183

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,010
Tête enseignante GPT0,224
Écart entre enseignants0,215 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZurich Open Repository and Archive (University of Zurich)Même sujetAlgorithms and Data CompressionTravaux en français237 207