MétaCan
Menu
Retour à la cohorte
Enregistrement W2740376733

Cancer et environnement : expertise collective

2008· preprint· fr· W2740376733 sur OpenAlexaff
Isabelle Baldi, Denis Bard, Robert Barouki, Simone Benhamou, Jacques Bénichou, Marie‐Odile Bernier, Olivier Bouchot, Pierre Carayon, Jocelyn Céraline, Emmanuelle Charafe-Jauffret, Jacqueline Clavel, Françoise Clavel‐Chapelon, Florent de Vathaire, Mariette Gerber, Anabelle Gilg Soit Ilg, Pascal Guénel, André Guillouzo, Pierre Hainaut, Marie‐Claude Jaurand, Éric Jougla, Guy Launoy, Dominique Laurier, Yves Lévi, Marc Maynadié, Isabelle Momas, Jean-Claude Pairon, Christophe Paris, C Parmentier, Marc Sanson, Jean‐François Savouret, Isabelle Stücker, Patrick Thonneau, Marie Walschaerts

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2008
Typepreprint
Languefr
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésGynecologyMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les cancers représentent en France la première cause de mortalité chez les hommes et la deuxième cause chez les femmes et figurent parmi les pathologies pouvant être liées à l’environnement. À la demande de l’Afsset, l’Inserm a réuni un groupe d’experts afin d’établir un bilan des connaissances sur les liens entre l’exposition à des facteurs physiques, chimiques ou biologiques présents dans l’atmosphère, l’eau, les sols ou l’alimentation et neuf types de cancers en augmentation au cours des vingt-cinq dernières années : les cancers du poumon, les mésothéliomes, les hémopathies malignes, les tumeurs cérébrales, les cancers du sein, de l’ovaire, du testicule, de la prostate etde la thyroïde. Sont analysés dans cette expertise, les données épidémiologiquessur les différents cancers, les connaissances sur l’exposition aux facteurs environnementaux, les mécanismes de toxicité des polluants, les questions relatives à l’exposition aux faibles doses.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,255
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
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

Citations3
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetHealth, Environment, Cognitive AgingTravaux en français237 207