Уважаемые коллеги, доброго времени суток! Представляем вам китайское научное издание Emerging Contaminants. Журнал имеет первый квартиль, издаётся в KeAi Communications Co., находится в открытом доступе, его SJR за 2021 г. равен 1,227, печатный ISSN - 2405-6642, электронный - 2405-6650, предметные области - Здоровье, токсикология и мутации, Токсикология, Общественное здоровье. Вот так выглядит обложка:
Здесь два редактора - Ганг Ю, контактные данные - yg-den@tsinghua.edu.cn
и Стюарт Харрад - s.j.harrad@bham.ac.uk.
Дополнительный публикационный контакт - office@keaipublishing.com.
Это место проведения ведущих мировых исследований, посвященных проблемам, связанным с загрязнением окружающей среды, вызванным появляющимися загрязнителями. Новые загрязняющие вещества определяются как химические вещества, которые в настоящее время не регулируются (или были регулируемы только недавно) и в отношении которых существуют опасения относительно их воздействия на здоровье человека или окружающую среду. Примерами возникающих загрязняющих веществ являются побочные продукты дезинфекции, фармацевтические средства и средства личной гигиены, стойкие органические химикаты, ртуть и т.д., а также продукты их разложения. Мы поощряем публикации, посвященные науке, которая способствует лучшему пониманию природы, масштабов и последствий присутствия новых загрязняющих веществ в окружающей среде, технологии, которая использует оригинальные принципы для сокращения и контроля их присутствия в окружающей среде, а также разработке, внедрению и эффективности национальной и международной политики по защите здоровья человека и окружающей среды, а также окружающей среды от возникающих загрязняющих веществ.
Адрес издания - https://www.sciencedirect.com/journal/emerging-contaminants
Пример статьи, название - Evaluating and predicting social behavior of arsenic affected communities: Towards developing arsenic resilient society. Заголовок (Abstract) - This study uses six machine learning (ML) algorithms to evaluate and predict individuals' social resilience towards arsenicosis-affected people in an arsenic-risk society of rural India. Over 50% of the surveyed communities were found to be resilient towards arsenicosis patients. Logistic regression with inbuilt cross-validation (LRCV) model scored the highest accuracy (76%), followed by Gaussian distribution-based naïve Bayes (GNB) model (74%), C-Support Vector (SVC) (74%), K-neighbors (Kn) (73%), Random Forest (RF) (72%), and Decision Tree (DT) (67%). The LRCV also scored the highest kappa value of 0.52, followed by GNB (0.48), SVC (0.48), Kn (0.46), RF (0.42), and DT (0.31). Caste, education, occupation, housing status, sanitation behaviors, trust in others, non-profit and private organizations, social capital, and awareness played a key role in shaping social resilience towards arsenicosis patients. The authors opine that LRCV and GNB could be promising methods to develop models on similar data generated from a risk society. Keywords: Arsenic; Resilience; Society; Socioeconomic; Psychological; Logistic regression; India