Research Recommendations for Selected IARC-Classified Agents
Notice bibliographique
Résumé
OBJECTIVES: There are some common occupational agents and exposure circumstances for which evidence of carcinogenicity is substantial but not yet conclusive for humans. Our objectives were to identify research gaps and needs for 20 agents prioritized for review based on evidence of widespread human exposures and potential carcinogenicity in animals or humans. DATA SOURCES: For each chemical agent (or category of agents), a systematic review was conducted of new data published since the most recent pertinent International Agency for Research on Cancer (IARC) Monograph meeting on that agent. DATA EXTRACTION: Reviewers were charged with identifying data gaps and general and specific approaches to address them, focusing on research that would be important in resolving classification uncertainties. An expert meeting brought reviewers together to discuss each agent and the identified data gaps and approaches. DATA SYNTHESIS: Several overarching issues were identified that pertained to multiple agents; these included the importance of recognizing that carcinogenic agents can act through multiple toxicity pathways and mechanisms, including epigenetic mechanisms, oxidative stress, and immuno- and hormonal modulation. CONCLUSIONS: Studies in occupational populations provide important opportunities to understand the mechanisms through which exogenous agents cause cancer and intervene to prevent human exposure and/or prevent or detect cancer among those already exposed. Scientific developments are likely to increase the challenges and complexities of carcinogen testing and evaluation in the future, and epidemiologic studies will be particularly critical to inform carcinogen classification and risk assessment processes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».