Risk assessment and risk management at the Canadian Food Inspection Agency (CFIA): A perspective on the monitoring of foods for chemical residues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Canadian Food Inspection Agency (CFIA) uses 'Ranked Risk Assessment' (RRA) to prioritize chemical hazards for inclusion in monitoring programmes or method development projects based on their relative risk. The relative risk is calculated for a chemical by scoring toxicity and exposure in the 'risk model scoring system' of the Risk Priority Compound List (RPCL). The relative ranking and the risk management options are maintained and updated in the RPCL. The ranking may be refined by the data generated by the sampling and testing programs. The two principal sampling and testing programmes are the National Chemical Residue Monitoring Program (NCRMP) and the Food Safety Action Plan (FSAP). The NCRMP sampling plans focus on the analysis of federally registered products (dairy, eggs, honey, meat and poultry, fresh and processed fruit and vegetable commodities, and maple syrup) for residues of veterinary drugs, pesticides, environmental contaminants, mycotoxins, and metals. The NCRMP is complemented by the Food Safety Action Plan (FSAP) targeted surveys. These surveys focus on emerging chemical hazards associated with specific foods or geographical regions for which applicable maximum residue limits (MRLs) are not set. The data from the NCRMP and FSAP also influence the risk management (follow-up) options. Follow-up actions vary according to the magnitude of the health risk, all with the objective of preventing any repeat occurrence to minimize consumer exposure to a product representing a potential risk to human health.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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