MétaCan
Menu
Retour à la cohorte
Enregistrement W2373073631

Health Effect Data Needs in Foreign New Chemicals Management

2009· article· en· W2373073631 sur OpenAlexaboutno aff
Zhengtao Liu

Notice bibliographique

RevueThe Research of Environmental Sciences · 2009
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueChemical Safety and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman healthBusinessHazardous wasteRisk assessmentTest (biology)Occupational safety and healthEnvironmental healthEnvironmental planningRisk analysis (engineering)EngineeringMedicineComputer scienceEnvironmental scienceWaste managementComputer securityBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The relevant acts,regulations and executive department and evaluation frameworks for new chemicals management in the EU,United States,Japan,Canada and Australia were introduced and summarized in this paper.The health effect data needs and their test methods for chemicals declaration were expounded in detail.The test data of ocular/dermal irritation/corrosion,skin sensitization,acute toxicity and genetic/chromosomal toxicity are elemental requirements in the EU,Canada and Australia.Japan pays much attention on new chemicals test data of persistence,bioaccumulation,and human/environmental toxicity rather than acute toxicity.In the United States,the predicted health effect data by SARs/QSARs are essential;if it is difficult to make a conclusion whether a chemical poses potential risk of injury to human health/environment,testing data is required.On the contrary,QSARs method is accepted with discretion in Australia.Finally,the management regulation of new chemicals in China was presented briefly.In view of other countries' experience,some complementary proposals about the registered new chemicals data base,QSARs,PET assessment and GLP laboratory on the health effect data needs and their management were presented.

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)0,061
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0020,002
Communication savante0,0080,013
Science ouverte0,0030,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,073
Tête enseignante GPT0,367
Écart entre enseignants0,295 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Research of Environmental SciencesMême sujetChemical Safety and Risk ManagementTravaux en français237 207