MétaCan
Menu
Retour à la cohorte
Enregistrement W2075578394 · doi:10.1016/j.yrtph.2013.03.001

Pharmaceutical toxicology: Designing studies to reduce animal use, while maximizing human translation

2013· article· en· W2075578394 sur OpenAlexaff
Kathryn Chapman, Henry H. Holzgrefe, Lauren E. Black, Marilyn J. Brown, Gary J. Chellman, Christine Copeman, Jessica A. Couch, Stuart Creton, Sean C. Gehen, Alan M. Hoberman, Lewis B. Kinter, Stephen F. Madden, Charles Mattis, Hugh A. Stemple, Stephen Wilson

Notice bibliographique

RevueRegulatory Toxicology and Pharmacology · 2013
Typearticle
Langueen
DomaineVeterinary
ThématiqueAnimal testing and alternatives
Établissements canadiensAlberta InnovatesTransCanada (Canada)
Organismes subventionnairesU.S. Department of Energy
Mots-clésRisk analysis (engineering)Human healthAnimal testingComputer scienceRisk assessmentExpert opinionBiochemical engineeringData scienceToxicologyMedicineBiologyEngineeringIntensive care medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Evaluation of the safety of new chemicals and pharmaceuticals requires the combination of information from various sources (e.g. in vitro, in silico and in vivo) to provide an assessment of risk to human health and the environment. The authors have identified opportunities to maximize the predictivity of this information to humans while reducing animal use in four key areas; (i) accelerating the uptake of in vitro methods; (ii) incorporating the latest science into safety pharmacology assessments; (iii) optimizing rodent study design in biological development and (iv) consolidating approaches in developmental and reproductive toxicology. Through providing a forum for open discussion of novel proposals, reviewing current research and obtaining expert opinion in each of the four areas, the authors have developed recommendations on good practice and future strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,197
score de la tête « metaresearch » (Gemma)0,164
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,990

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1970,164
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,009
Communication savante0,0070,009
Science ouverte0,0050,004
Intégrité de la recherche0,0090,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,399
Tête enseignante GPT0,478
Écart entre enseignants0,079 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations135
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRegulatory Toxicology and PharmacologyMême sujetAnimal testing and alternativesTravaux en français237 207