MétaCan
Menu
Retour à la cohorte
Enregistrement W7000464785

Field application of a model of proton and metal mixture bioavailability and effects

2023· other· en· W7000464785 sur OpenAlexaboutno aff

Notice bibliographique

RevueNERC Open Research Archive (Natural Environment Research Council) · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLimitingTable (database)Noise (video)Filter (signal processing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Quantitatively predicting of the responses of freshwater ecosystems to the effects of potentially toxic metals and acidification is an ongoing challenge in ecotoxicology. The WHAM-FTOX model is based on the assumptions that toxic effects of protons and metal cations are additively related to their occupancies of binding sites on organisms, and that those binding sites can be represented by the binding sites of humic acid (HA). We applied the model to simulate the species richness (nsp) of crustacean zooplankton in acid- and metal-contaminated lakes near Sudbury, Ontario between 1973 and 2006. Historic emissions from metal smelters at Sudbury have caused contamination of surrounding lakes by acid deposition, while lakes closest to the smelters were \nalso contaminated with metals, mainly Ni and Cu, and to lesser extents Zn, Cd, and Pb. Changes in water chemistry over the study period show partial recovery as a result of emission reductions. In application, binding of protons and metals to organisms is simulated by applying the WHAM7 model for each water sample. A combined dose term, FTOX,i, is computed for each species within a conceptual assemblage, assuming a distribution of species sensitivities to metals. The probability of finding the species in a sample is then computed from a fixed relationship with FTOX,i, and nsp is computed by summing these probabilities across all species. The distribution of species sensitivities is found by assuming them to be lognormally distributed and fitting their mean and standard deviation. The model was able to describe the variability in nsp well, with an R-squared value of 0.84 (p < 0.0001). Generally, the model \nreproduces the temporal patterns of nsp in individual lakes well, although it tends to underestimate the rate at which species richness increases as water chemistry recovers. The most important toxic cations were H, Al, Ni, and Cu, with a small contribution from Zn. The predicted contributions of protons and individual metals to toxicity generally showed declines over time in the contributions of protons and Al as recovery from contamination took place. However, in some cases the contribution of Ni increased over time, despite reductions on the dissolved concentration. This illustrates the potentially complex interplay among water chemistry variables determining metal exposure.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,114
Tête enseignante GPT0,372
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNERC Open Research Archive (Natural Environment Research Council)Travaux en français237 207