MétaCan
Menu
Retour à la cohorte
Enregistrement W2535202532 · doi:10.1111/risa.12700

Part I––Comparing Noncancer Chronic Human Health Reference Values: An Analysis of Science Policy Choices

2016· article· en· W2535202532 sur OpenAlexaboutno aff
Elizabeth Holman, Royce A. Francis, George Gray

Notice bibliographique

RevueRisk Analysis · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesGeorge Washington UniversityU.S. Environmental Protection Agency
Mots-clésAgency (philosophy)Principal (computer security)Differential (mechanical device)Human healthEnvironmental healthChronic diseaseDisease registryHealth protectionPsychologyDiseaseMedicineComputer scienceEngineeringFamily medicinePathologySociology

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to systematically evaluate the choices made in deriving a chronic oral noncancer human health reference value (HHRV) for a given chemical by different organizations, specifically those from the U.S. Environmental Protection Agency, Health Canada, RIVM (the Netherlands), and the U.S. Agency for Toxic Substances and Disease Registry. This analysis presents a methodological approach for comparing both the HHRVs and the specific choices made in the process of deriving an HHRV across these organizations. Overall, across the 96 unique chemicals and 171 two-way organizational comparisons, the HHRV agreed approximately 26% of the time. A qualitative method for identifying the primary factors influencing these HHRV differences was also developed, using arrays of HHRVs across organizations for the same chemical. The primary factors identified were disagreement on the critical or principal study and differential application of the total uncertainty factor across organizations. Of the cases where the total UF was the primary factor influencing HHRV disagreement, the database UF had the greatest influence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,364
Tête enseignante GPT0,500
Écart entre enseignants0,135 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRisk AnalysisMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207