Notice bibliographique
Résumé
We begin the issue with a letter by Kevin Konty et al. about a paper by Walter Piegorsch et al. (1) which used a place-based vulnerabilty index to characterize 132 U.S. cities.Konty and colleagues from the New York City Department of Health and Mental Hygiene question the data and conclusions.The authors respond that their focus is on event consequences, not on the ability to predict future terrorist events.Five of the ten papers in this issue are contributions to risk assessment.John Bukowksi's perspective paper examines cancer risk among workers exposed to chloroprene.With a grant from the International Institute of Synthetic Rubber, he focuses on liver, lung, and lymphohematopoietic cancers, which early studies found to have relatively high numbers of cases.Using a set of studies from across the world, Bukowksi observes a strong healthy worker effect, which could have obscured small excess risks.Small increased risks were suggested by internal or company-specific analyses, but, he asserts, these may be explained by confounding factors.Hamid Mohtadi and Antu Panini Murshid, supported by the U.S. Department of Homeland Security, assess historical trends in food sector bioterrorism.They point to a disturbing shortening in the re-occurrence period for attacks on food supplies.Specifically, they find that the frequency of catastrophic terrorist events, i.e., those with large numbers of casualties, is on the rise and the average reoccurrence period for such scale attacks is on the decline.Thus, for example, by the year 2025, an attack leading to 5,000 casualties would be expected to occur every 20 months, if not more often.Funded by the United States Department of Agriculture, Frank Koch et al. examine factors that influence the spread of pests across the landscape, in this case Sirex noctilio, a non-native wood wasp recently detected in the United States and Canada.They concentrate on how increased uncertainty in a risk model's numeric assumptions affects the spread of pests.
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 | 0,003 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,236 | 0,182 |
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 ».