Application of a novel integrated toxicity testing strategy incorporating “3R” principles of animal research to evaluate the safety of a new agrochemical sulfoxaflor
Notice bibliographique
Résumé
Plant protection products (PPPs) and the active substance(s) contained within them are rigorously and comprehensively tested prior to registration to ensure that human health is not impacted by their use. In recent years, there has been a widespread drive to have more relevant testing strategies (e.g., ILSI/HESI-ACSA and new EU Directives), which also take account of animal welfare, including the 3R (replacement, refinement, and reduction) principles. The toxicity potential of one such new active substance, sulfoxaflor, a sulfoximine insecticide (CAS #946578-00-3), was evaluated utilizing innovative testing strategies comprising: (1) an integrated testing scheme to optimize information obtained from as few animals as possible (i.e., 3R principles) through modifications of standard protocols, such as enhanced palatability study design, to include molecular endpoints, additional neurotoxicity and immunotoxicity parameters in a subchronic toxicity study, and combining multiple test guidelines into one study protocol; (2) generation of toxicokinetic data across dose levels, sexes, study durations, species, strains and life stages, without using satellite animals, which was a first for PPP development, and (3) addition of prospective mode of action (MoA) endpoints within repeat dose toxicity studies as well as proactive inclusion of specific MoA studies as an integral part of the development program. These novel approaches to generate key data early in the safety evaluation program facilitated informed decision-making on the need for additional studies and contributed to a more relevant human health risk assessment. This supplement also contains papers which describe in more detail the approach taken to establish the MoA and human relevance framework related to toxicities elicited by sulfoxaflor in the mammalian toxicology studies: developmental toxicity in rats mediated via the fetal muscle nicotinic acetylcholine receptor (nAChR) ( Ellis-Hutchings et al. 2014 ); liver tumors in rodents mediated via CAR/PXR ( LeBaron et al. 2014 ); and Leydig cell tumors in Fischer 344 rats ( Rasoulpour et al. 2014 ).
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 | 0,010 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».