Policies for Chemical Hazard and Risk Priority Setting: Can Persistence, Bioaccumulation, Toxicity, and Quantity Information Be Combined?
Notice bibliographique
Résumé
Existing methods used to screen chemical inventories for hazardous substances that may pose risks to humans and the environment are evaluated with a holistic mass balance modeling approach. The model integrates persistence (P), bioaccumulation (B), toxicity (T), and quantity (Q) information for a specific substance to assess chemical exposure, hazard, and risk. P and B are combined in an exposure assessment factor (EAF), P, B, and T in a hazard assessment factor (HAF), and P, B, T, and Q in a risk assessment factor (RAF) providing single values for transparent comparisons of exposure, hazard, and risk for priority setting. This holistic approach is illustrated using 200 Canadian Domestic Substances List(DSL) chemicals and 12 United Nations listed Persistent Organic Pollutants (POPs). Priority setting results are evaluated with those of multiple category-based screening methods employed by Environment Canada and applied elsewhere that use cutoff criteria in multiple categories (P, B, and T) to identify hazardous chemicals for more comprehensive evaluations. Existing methods have categorized the DSL chemicals as either higher priority (requiring further assessment; screened in) or lower priority (requiring no further action at this time; screened out). The priority setting results of the cutoff-based categorization are largely inconsistent with the proposed integrated method, and reasons for these discrepancies are discussed. Many chemicals screened out using existing methods have equivalent or greater risk potential than chemicals screened in. Decisions for screening assessments using binary classification on the basis of cutoff criteria can be flawed, and complementary holistic methods for priority setting evaluations such as the one proposed should be considered.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».