MétaCan
Menu
Retour à la cohorte
Enregistrement W1522341541 · doi:10.1002/dta.1352

Risk assessment and risk management at the Canadian Food Inspection Agency (CFIA): A perspective on the monitoring of foods for chemical residues

2012· article· en· W1522341541 sur OpenAlexaffabout
Henri P. Bietlot, Beata M. Kolakowski

Notice bibliographique

RevueDrug Testing and Analysis · 2012
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Perspective (graphical)Risk assessmentFood inspectionBusinessFood safetyRisk managementRisk analysis (engineering)BiotechnologyEnvironmental healthEconomicsFood scienceMedicineChemistryComputer scienceBiologyFinanceManagement

Résumé

récupéré en direct d'OpenAlex

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.

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)0,031
score de la tête « metaresearch » (Gemma)0,020
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: aucune
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,714

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,020
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,006
Études des sciences et des technologies0,0080,020
Communication savante0,0140,007
Science ouverte0,0090,004
Intégrité de la recherche0,0110,010
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,032
Tête enseignante GPT0,309
Écart entre enseignants0,278 · 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

Citations21
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDrug Testing and AnalysisMême sujetIdentification and Quantification in FoodTravaux en français237 207