Integrating exposure into chemical alternatives assessment using a qualitative approach
Notice bibliographique
Résumé
Most alternatives assessments (AA) published to date are largely hazard-based rankings, and as such may not represent a fully informed consideration of the advantages and disadvantages of possible alternatives. With an assessment goal of identifying an alternative chemical that is more sustainable, other attributes beyond hazard are also important, including exposure, risk, life-cycle impacts, performance, cost, and social responsibility. Building on the 2014 recommendations by the U.S. National Academy of Sciences to improve AA decisions by including comparative exposure assessment, the HESI Sustainable Chemical Alternatives Technical Committee, which consists of scientists from academia, industry, government, and NGOs, has developed a qualitative comparative exposure approach. Conducting such a comparison can screen for alternatives that are expected to have a higher human or environmental exposure potential, which could trigger a higher-tiered, more quantitative exposure assessment on the alternatives being considered, minimizing the likelihood of regrettable substitution. This talk will demonstrate an approach for including chemical- and product-related exposure information in a qualitative AA comparison. Starting from existing hazard AAs, a series of three chemical-product application scenarios were examined to test the concept, to understand the effort required, and to determine the value of exposure data in AA decision- making. The group has developed a classification approach for ingredient and product parameters to support comparisons between alternatives as well as methodology to address exposure parameter relevance and data quality. The ingredient parameters include a range of physicochemical properties that can impact routes and magnitude of exposure, while the product parameters include aspects such as exposure pathways, use pattern, frequency/duration of use, chemical concentration in product, and use volume, accessibility, and disposal.Key learnings, challenges, and opportunities for further work will also be presented. The views expressed in this presentation do not necessarily reflect the views or policies of the U.S. Environmental Protection Agency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».