Alternative Testing Strategies for Nanomaterials: State of the Science and Considerations for Risk Analysis
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
The rapid growth of the nanotechnology industry has warranted equal progress in the nanotoxicology and risk assessment fields. In vivo models have traditionally been used to determine human and environmental risk for chemicals; however, the use of these tests has limitations, and there are global appeals to develop reliable alternatives to animal testing. Many have investigated the use of alternative (nonanimal) testing methods and strategies have quickly developed and resulted in the generation of large toxicological data sets for numerous nanomaterials (NMs). Due to the novel physicochemical properties of NMs that are related to surface characteristics, the approach toward toxicity test development has distinct considerations from traditional chemicals, bringing new requirements for adapting these approaches for NMs. The methodical development of strategies that combine multiple alternative tests can be useful for predictive NM risk assessment and help screening-level decision making. This article provides an overview of the main developments in alternative methods and strategies for reducing uncertainty in NM risk assessment, including advantages and disadvantages of in vitro, ex vivo, and in silico methods, and examples of existing comprehensive strategies. In addition, knowledge gaps are identified toward improvements for experimental and strategy design, specifically highlighting the need to represent realistic exposure scenarios and to consider NM-specific concerns such as characterization, assay interferences, and standardization. Overall, this article aims to improve the reliability and utility of alternative testing methods and strategies for risk assessment of manufactured NMs.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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