Workshop Report: Evaluation of Epidemiological Data Consistency forApplication in Regulatory Risk Assessment
Notice bibliographique
Résumé
Epidemiological study results have a key role in the assessment of health risks associated with exposures to chemicals and pollutants, and often serve as the basis for the development of regulatory limits for environmental and occupational health. A key uncertainty in the application of epidemiological study results in risk assessments stems from variability in defining and operationalizing the concept of consistency of findings across studies, with assessments of consistency often a controversial component of risk assessments. Although assessment of consistency of findings across a diverse collection of epidemiological studies is central to evaluating that body of evidence for supporting causal inferences, the variability in definition and formal evaluation methods strongly suggest the need for constructive approaches to consistently and transparently evaluate data consistency. In response to the need to improve approaches to assessing consistency in epidemiological study results, the Johns Hopkins Risk Sciences and Public Policy Institute organized a workshop held in Baltimore, Maryland in September 2010 to identify and discuss key methodological issues, and to develop recommendations for qualitative and quantitative approaches to addressing those issues. A multi-disciplinary approach was utilized for the workshop, involving invited experts from a variety of fields, and the invited participants were drawn from academia, industry, government, and the public interest sectors. This report provides a summary of selected epidemiology methodological issues discussed by the workshop participants and provides the workshop’s key findings and recommendations for future approaches to addressing this issue.
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 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 | 0,105 | 0,019 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».