MétaCan
Menu
Retour à la cohorte
Enregistrement W1973900070 · doi:10.1002/ajim.10361

Implications of the Precautionary Principle in research and policy‐making

2004· article· en· W1973900070 sur OpenAlexaff
Philippe Grandjean, John C. Bailar, David Gee, Herbert L. Needleman, David Ozonoff, Elihu D. Richter, Morando Sofritti, Colin L. Soskolne

Notice bibliographique

RevueAmerican Journal of Industrial Medicine · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRisk Perception and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPrecautionary principleHarmCausationScope (computer science)MedicineRisk analysis (engineering)Law and economicsPublic economicsActuarial scienceLawEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The Precautionary Principle (PP) has recently been formally introduced into national and international law. The key element is the justification for acting in the face of uncertainty. The PP is thereby a tool for avoiding possible future harm associated with suspected, but not conclusive, environmental risks. Under the PP, the burden of proof is shifted from demonstrating the presence of risk to demonstrating the absence of risk and it is the responsibility of the producer of a technology to demonstrate its safety rather than the responsibility of public authorities to show harm. Past experiences show the costly consequences of disregarding early warnings about environmental hazards. Today, the need for applying the PP is even greater. New research is needed to expand current insight into disease causation, to elucidate the full scope of potential adverse implications resulting from environmental pollutants, and to identify opportunities for prevention. Research approaches should be developed and strengthened to counteract innate ideological biases and to support our confidence in applying the PP for decision-making in the public policy arena.

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)0,186
score de la tête « metaresearch » (Gemma)0,207
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,982

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1860,207
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,006
Études des sciences et des technologies0,0100,104
Communication savante0,0200,032
Science ouverte0,0060,015
Intégrité de la recherche0,0290,029
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,238
Tête enseignante GPT0,506
Écart entre enseignants0,268 · 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'étudeThéorique ou conceptuel
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

Citations42
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial MedicineMême sujetRisk Perception and ManagementTravaux en français237 207