MétaCan
Menu
← Retour à la cohorte
Enregistrement W7096310300

Heavy metal concentrations in Cipangopaludina chinensis

2012· article· en· W7096310300 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBioaccumulationBioindicatorTrophic levelBiomonitoringSedimentHeavy metalsPollutionAquatic ecosystem
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract – Saint-Augustin Lake is an urban lake in Québec, Canada that has been subjected to long periods of direct human impact, mainly due to agricultural and urban activities, with great changes in trophic status and chemistry occurring within the last few decades. In 2009, during an examination of the lake bottom sub-strate, the presence of the invasive species Cipangopaludina chinensis (Reeve, 1863) was found on floor bottom sediments. The gastropods soft tissues were mineralized and analyzed by ICP-OES. The purpose of this study was to estimate concentrations of heavy metals in C. chinensis, describing the relations of these values with the sediment metal. In gastropod soft tissues the overall common trend in the heavy metal concentrations was revealed in the following order: Fe>Mn>Zn>Cu>As>Ni>Pb>Cd>Cr. Biota-sediment accumulation factors (BSAFs) have shown that C. chinensis cannot be used as a bioindicator of heavy metal pollution and exposure in the Canadian lakes where it is present. In fact, while the sediments of Saint-Augustin Lake are characterized by high metal concentrations, C. chinensis does not have high bioaccumulation factors (BSAFs <1.0). By literature comparison with other aquatic organisms in polluted ecosystems at different latitudes it was possible to affirm that the concentrations of Fe, Mn and Zn in C. chinensis tissues are considerable if

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,362
Score d'incertitude au seuil0,719

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,238 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeavy metals in environment→Travaux en français237 207→