Can we define a tolerable level of risk in food allergy? Report from a <scp>E</scp>uro<scp>P</scp>revall/<scp>UK F</scp>ood <scp>S</scp>tandards <scp>A</scp>gency workshop
Notice bibliographique
Résumé
BACKGROUND: There is an emerging consensus that, as with other risks in society, zero risk for food-allergic people is not a realistic or attainable option. Food allergy challenge data and new risk assessment methods offer the opportunity to develop quantitative limits for unintended allergenic ingredients which can be used in risk-based approaches. However, a prerequisite to their application is defining a tolerable level of risk. This requires a value judgement and is ultimately a 'societal' decision that has to involve all relevant stakeholders. OBJECTIVE: The aim of the workshop was to bring together key representatives from the stakeholders (regulators, food industry, clinical researchers and patients), and for the first time ever discuss the definition of a tolerable level of risk with regard to allergic reactions to food. RESULTS: The discussions revealed a consensus that zero risk was not a realistic option and that it is essential to address the current lack of agreed action levels for cross-contamination with allergens if food allergen management practice is to be improved. The discussions also indicated that it was difficult to define and quantify a tolerable level of risk, although both the clinical and the industry groups tried to do so. A consensus emerged that doing nothing was not a viable option, and there was a strong desire to take action to improve the current situation. CONCLUSIONS AND CLINICAL RELEVANCE: Two concrete actions were suggested: (1) Action levels should be derived from the data currently available. Different scenarios should be examined and further developed in an iterative process. On the basis of this work, a tolerable level of risk should be proposed. (2) 'One-dose' clinical trial with a low challenge dose should be performed in multiple centres to provide additional information about the general applicability of dose-distribution models and help validate the threshold levels derived.
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 | 0,107 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,013 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
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 ».