A framework for cumulative risk assessment in the 21st century
Notice bibliographique
Résumé
The ILSI Health and Environmental Sciences Institute (HESI) has developed a framework to support a transition in the way in which information for chemical risk assessment is obtained and used (RISK21). The approach is based on detailed problem formulation, where exposure drives the data acquisition process in order to enable informed decision-making on human health safety as soon as sufficient evidence is available. Information is evaluated in a transparent and consistent way with the aim of optimizing available resources. In the context of risk assessment, cumulative risk assessment (CRA) poses additional problems and questions that can be addressed using the RISK21 approach. The focus in CRA to date has generally been on chemicals that have common mechanisms of action. Recently, concern has also been expressed about chemicals acting on multiple pathways that lead to a common health outcome, and non-chemical other conditions (non-chemical stressors) that can lead to or modify a common outcome. Acknowledging that CRAs, as described above, are more conceptually, methodologically and computationally complex than traditional single-stressor risk assessments, RISK21 further developed the framework for implementation of workable processes and procedures for conducting assessments of combined effects from exposure to multiple chemicals and non-chemical stressors. As part of the problem formulation process, this evidence-based framework allows the identification of the circumstances in which it is appropriate to conduct a CRA for a group of compounds. A tiered approach is then proposed, where additional chemical stressors and/or non-chemical modulating factors (ModFs) are considered sequentially. Criteria are provided to facilitate the decision on whether or not to include ModFs in the formal quantitative assessment, with the intention to help focus the use of available resources to have the greatest potential to protect public health.
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 | 0,066 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,018 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,011 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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.
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 ».