The Use of Categorical Regression in Modeling Copper Exposure-Response Relationships
Notice bibliographique
Résumé
Characterization of the exposure-response relationship for copper (Cu) is an essential step in identifying a range of exposures that can prevent against toxicity from either excess or deficiency. Categorical regression is a exposure-response modeling technique that can be used to model data from multiple studies with diverse endpoints simultaneously by organizing the toxicity data into ordered categories of severity. This study describes how categorical regression can be used to model the exposure-response relationship for Cu and presents a preliminary analysis of the comprehensive database on Cu-induced toxicity due to either excess or deficiency. Categorical regression provides a useful tool for summarizing and describing the available data on Cu excess and deficiency, as well as in identifying data gaps in Cu exposure-response. This methodology also allows for a diverse database with considerable variability in animal species, strain, age, and study design to be analyzed in its entirety. The present application of the Cu toxicity database suggests that there is a lack of information on the potential adverse health effects from chronic exposure to Cu; there are also a limited number of studies using marginally excess and deficient levels of Cu. The database presently includes insufficient data to create a complex model that accounts for a large proportion of the heterogeneity in toxicity seen among the available studies on Cu-induced toxicity. The current Cu database is presently being updated in order to permit more comprehensive categorical regression analyses with finer stratification options. The resulting exposure-response model could be used to provide information in the determination of an acceptable range of oral intake for Cu.
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 | 0,022 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».