The International Team in NanosafeTy (TITNT): A Multidisciplinary group for an improvement of Nanorisk Assessment and Management
Notice bibliographique
Résumé
Nanotechnology allows the ability to design many new materials and devices with multiple applications, such as in medicine, electronics, and energy production. However, nanotechnology also raises several concerns about the toxicity and environmental impact of nanomaterials. A report published by the Council of Canadian Academies points out the necessity to respond about many uncertainties associated with risk assessment for ensuring the safety of health and environment. Nanotoxicology (or Nanosafety) is a part of the toxicology science that aims to study adverse effects of nanomaterials or nanoparticles on living organisms. This field includes different aspects from workers prevention to the environment protection. Group of researchers have initiated an international powerful interactive milieu for researchers to work in concert for a global and integrated study of many aspects of nanotoxicology. The International Team in NanosafeTy (TITNT) is composed of research scientists from 5 different countries (Canada, USA, Japan, France and Germany) working together on 6 different specific thematics, and organized as 9 different technology platforms (www.titnt.com). TITNT aims to study different features of nanomaterials related to nanosafety, such as in vivo and in vitro studies, life cycle, occupational protections and monitoring, early biomarkers detection, characterization and nanotoxicokinetic/dynamic assessment during and after nanoparticles synthesis and the societal, public policy and environmental aspects. While the rapid growth of nanotechnology is opening up a floodgate of opportunities, the legislation related is lagging behind mainly because of a lack of knowledge in the biosafety of most nanomaterials. The main goal of TITNT is to improve knowledge in nanosafety science for the benefit of the discipline, for better public policies and for the public itself.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,007 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».