Problem formulation for risk assessment of combined exposures to chemicals and other stressors in humans
Notice bibliographique
Résumé
When the human health risk assessment/risk management paradigm was developed, it did not explicitly include a "problem formulation" phase. The concept of problem formulation was first introduced in the context of ecological risk assessment (ERA) for the pragmatic reason to constrain and focus ERAs on the key questions. However, this need also exists for human health risk assessment, particularly for cumulative risk assessment (CRA), because of its complexity. CRA encompasses the combined threats to health from exposure via all relevant routes to multiple stressors, including biological, chemical, physical and psychosocial stressors. As part of the HESI Risk Assessment in the 21st Century (RISK21) Project, a framework for CRA was developed in which problem formulation plays a critical role. The focus of this effort is primarily on a chemical CRA (i.e., two or more chemicals) with subsequent consideration of non-chemical stressors, defined as "modulating factors" (ModFs). Problem formulation is a systematic approach that identifies all factors critical to a specific risk assessment and considers the purpose of the assessment, scope and depth of the necessary analysis, analytical approach, available resources and outcomes, and overall risk management goal. There are numerous considerations that are specific to multiple stressors, and proper problem formulation can help to focus a CRA to the key factors in order to optimize resources. As part of the problem formulation, conceptual models for exposures and responses can be developed that address these factors, such as temporal relationships between stressors and consideration of the appropriate ModFs.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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) | 0,001 | 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 ».