MétaCan
Menu
Back to cohort
Record W2144074340 · doi:10.7202/705320ar

Analyse du modèle CHIMIOTOX du point de vue de ses implications toxicologiques [Article bilingue]

2005· article· fr· W2144074340 on OpenAlexaffabout
F. Denizeau, Alain Ricard

Bibliographic record

VenueRevue des sciences de l eau · 2005
Typearticle
Languagefr
FieldEnvironmental Science
TopicToxic Organic Pollutants Impact
Canadian institutionsInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Fundersnot available
KeywordsHumanitiesPhysicsArt

Abstract

fetched live from OpenAlex

Le modèle CHIMIOTOX a été mis au point comme outil de gestion dans le but de réduire de façon importante la quantité de substances toxiques déversées dans le fleuve Saint-Laurent. Ce modèle effectue un calcul dont le résultat est une valeur numérique qui se veut représentative de la charge toxique présente dans un effluent industriel. Pour ce faire, le modèle attribue à chaque substance toxique une constante de toxicité, le facteur de pondération toxique (Ftox), dont la valeur est déterminée à partir des critères de qualité de l'eau du ministère de l'Environnement du Québec. Le Ftox sert à calculer l'unité CHIMIOTOX (UC) qui est le produit de Ftox par la charge journalière du polluant (kg/jour). La sommation des UC de toutes les substances ciblées donne l'indice CHIMIOTOX (IC) qui doit représenter le potentiel toxique de l'effluent. Dans la présente étude, le modèle CHIMIOTOX a été analysé du point de vue de ses implications au plan toxicologique. Les résultats de cette analyse montrent les faits saillants suivants. En premier lieu, le calcul du potentiel toxique théorique se fait selon l'équation d'une droite de pente Ftox. Ceci implique que le potentiel toxique calculé est directement proportionnel à la quantité de la substance, et cela, quel que soit le niveau supposé d'exposition. Cette démarche n'est pas compatible avec le concept fondamental de la dose-réponse, basé sur l'observation expérimentale. À cette étape du modèle, l'estimation du théorique risque de s'écarter considérablement de la réalité. En second lieu, l'UC est calculé en utilsant la charge journalière moyenne de l'effluent à partir de mesures effectuées sur trois jours. Le modèle fait abstraction des variations ponctuelles dans le temps, variations qui peuvent influencer de manière significative le profil d'exposition des organismes, et par conséquent, la toxicité. En troisième lieu, l'IC, qui est la sommation des UC, ne tient pas compte des interactions toxiques pouvant survenir dans le cas d'un mélange de substances, ni de la bioaccumulation dans la chaîne trophique. Une comparaison du CHIMIOTOX avec le modèle des TEF (Toxic Equivalency Factor) développé pour les dibenzo-p-dioxines et les dibenzofurannes polychlorés, a été effectuée afin de souligner la difficulté d'obtenir des valeurs théoriques prédictives de la toxicité de mélanges complexes, même lorsque ses composants possèdent un mécanisme d'action commun, ce qui n'est pas le cas pour la plupart des substances considérées par le CHIMIOTOX. Au total, le modèle CHIMIOTOX génère une incertitude qui s'accroît à chaque étape du calcul. Ceci l'empêche d'avoir une véritable valeur quantitative et limite considérablement son utilité dans l'évaluation du rique environnemental associé aux substances toxiques.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.075
Threshold uncertainty score0.149

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0070.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.052
GPT teacher head0.310
Teacher spread0.258 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2005
Admission routes2
Has abstractyes

Explore more

Same venueRevue des sciences de l eauSame topicToxic Organic Pollutants ImpactFrench-language works237,207