MétaCan
Menu
Retour à la cohorte
Enregistrement W2567229099 · doi:10.4000/vertigo.17898

Radiofréquences et santé : améliorer l’évaluation des risques

2016· article· fr· W2567229099 sur OpenAlexvenueno aff
Olivier Merckel, Johanna Fite, Olivia Roth-Delgado

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueElectromagnetic Fields and Biological Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

La mutation permanente des applications des technologies sans fil utilisant les radiofréquences s’accompagne de questionnements, aussi bien de la part des usagers qui les utilisent ou qui y sont exposés, que dans la sphère scientifique. Cet article propose d’explorer l’évolution réglementaire qui encadre les technologies sans fil au regard du développement des connaissances liées à l’exposition aux champs électromagnétiques radiofréquences et aux effets sanitaires qui pourraient y être associés. Le cadre réglementaire dans ce domaine peut être vu comme un reflet des connaissances et incertitudes scientifiques, sur lequel se construisent des dispositions héritées de la législation européenne (Directive 1999/5/CE) ou d’application du principe de précaution (Loi n° 2015-136 du 9 février 2015 relative à la sobriété, à la transparence, à l'information et à la concertation en matière d'exposition aux ondes électromagnétiques), par exemple. Même si les controverses publiques autour de la question des effets sanitaires liés à l’exposition aux champs électromagnétiques ne reflètent pas forcément les niveaux de preuve scientifique de leur existence, elles ont poussé à renforcer la structuration et la description des méthodes d’évaluation des risques dans ce domaine. Cet effort permet de mieux faire émerger les types d’incertitude scientifique qui accompagnent les évaluations de risque (manque de connaissances, données contradictoires, etc.) et ainsi affiner les mesures de gestion ou évolutions réglementaires éventuelles.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,270
Écart entre enseignants0,258 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetElectromagnetic Fields and Biological EffectsTravaux en français237 207