Evidence-Based Management of Nutrigenomics Expectations and ELSIs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nutrigenomics is a new application context for genomics technologies that focuses on the bidirectional study of genetic factors influencing host (individuals' or populations') response to diet and the effects of bioactive constituents in food on host genome and gene expression. Nutrigenomics is considered the next wave after pharmacogenomics for individualization of health interventions. However, relatively little attention has been given to the specific ethical-legal-social issues (ELSIs) and sociotechnical expectations raised by nutrigenomics research. Some of the ELSIs, such as ensuring privacy of genetic information and implications of genetic testing for health insurance and employment, may be shared across the continuum of genomic technology applications in human disease genetics, pharmacogenomics and nutrigenomics. However, there are certain aspects of nutrigenomics research that may result in unique or unprecedented ELSIs. For example, nutrigenomics has a strong focus on public health and the prevention/modification of 'predisease phenotypes' in apparently healthy individuals. Thus, in contrast to previous applications of genomics technologies, where the goal is to distinguish existing disease from absence of disease, the aim of nutrigenomics is the discernment of nuanced differences in predisease states. Moreover, there is evidence to suggest that ELSIs may be different in biomarker discovery, translational research and clinical testing stages of nutrigenomics. Ideally, ELSI research and nutrigenomics bioscience should progress in parallel and in a commensurate manner. We suggest that qualitative research methods, using a hypothesis-free approach, can be employed to gain deeper insights on complex bioethics issues that do not ordinarily lend themselves to formal hypothesis testing with the quantitative methods used in biomedical sciences.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle