Évaluation de l'impact des additifs de lisier sur l'exposition des travailleurs et l'atténuation des odeurs
Bibliographic record
Abstract
Les odeurs représentent un défi important en agriculture, notamment pour les producteurs de porcs. Différentes entreprises ont mis en marché des additifs à ajouter au purin qui selon eux diminuent les odeurs en éliminant les composés responsables. Cette affirmation n’est pas documentée scientifiquement et pourrait créer une fausse sécurité chez les travailleurs. Agriculture et Agroalimentaire Canada (AAC) s’est intéressé à cette problématique mais du point de vue environnemental et nous a proposé une collaboration afin de couvrir les principaux aspects de l’utilisation de tels additifs. Notre collaboration a porté sur l’aspect biosécurité pour les travailleurs. Les objectifs de cette recherche étaient de s’assurer que de nouveaux risques ne soient pas créés avec l’utilisation d’additifs et de réaliser des mesures d’odeurs selon les méthodes standardisées dans le but d’évaluer une méthodologie ou protocole expérimental en laboratoire pour vérifier sur une base scientifique les affirmations des manufacturiers d’additifs. Un montage a été développé au centre de recherche de Lennoxville de AAC. L’évaluation du protocole et des quatre additifs les plus utilisés sur le marché s’est faite sur une période de 12 mois. Les caractéristiques physico-chimiques, les gaz (le méthane, l’ammoniac et l’hydrogène sulfuré), les odeurs et les bioaéosols (bactéries totales, endotoxines et moisissures) ont été mesurés dans cette même période. Les résultats indiquent que les quatre additifs testés pour toute la période d’entreposage ont eu aucun effet sur le système de réservoirs représentant les caniveaux sous les lattes de planchers. Dans le système représentant les fosses à fumier, un d’entre eux, le neutralisant chimique, a réduit la dégradation des acides gras volatils et les émissions d’ammoniac. Toutefois, la quantité de neutralisant chimique ajouté au lisier correspondait à 14 fois la dose recommandée sur l’emballage, ce qui est économiquement inacceptable pour un usage commercial. Les résultats suggèrent aussi que la configuration du système peut avoir un impact sur les effets des additifs. Les techniques de prélèvement pour analyser les odeurs ont aussi besoin d’être améliorées. Les analyses d’odeurs devraient aussi être faites au minimum en triplicata à cause de l’erreur expérimentale reliée à la dilution et aux facteurs humains.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".