MétaCan
Menu
Retour à la cohorte
Enregistrement W1582581282 · doi:10.1002/9781118852408.ch8

Assessing Effects Through Laboratory Toxicity Testing

2014· preprint· en· W1582581282 sur OpenAlexaff
John W. Frazier, J. Pflugfleder, Pierrick Aupinel, Axel Decourtye, Jamie Ellis, Cynthia Scott‐Dupree, Zhi Huang, Helen Thompson, Peter Bachman, Axel Dinter, Mace Vaughan, Bernard Vaissière, Glynn Maynard, Muo Kasina, E. Johansen, Claire Brittain, Mike Coulson, Roberta Cornélio Ferreira Nocelli

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect and Pesticide Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHazardHoney beeEuropean unionToxicityToxicologyBiologyPesticideEcologyBusinessMedicine

Résumé

récupéré en direct d'OpenAlex

This chapter provides an overview of existing toxicity tests and their strengths and weaknesses, and discusses proposed modifications to existing studies, or additional studies that could address limitations in the current battery of studies. In the European Union (EU), regulatory authorities may require a bee brood feeding test to assess potential hazard of a pesticide on honey bee larvae. The chapter reports toxicity testing with some species of adult non-Apis bees with some frequency. It discusses some of the methods that have been developed to measure the potential sublethal effects of pesticides on honey bees. Laboratory toxicity tests are currently available for evaluating the potential effects of chemicals on bees. Laboratory-based studies will likely continue to focus on individual test organisms; and, although laboratory-based toxicity testing has historically focused on mortality, tests are evolving to provide insight on sublethal effects such as impaired behavior.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,006

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 Opus0,092
Tête enseignante GPT0,335
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInsect and Pesticide ResearchTravaux en français237 207