Chemical carcinogenicity revisited 3: Risk assessment of carcinogenic potential based on the current state of knowledge of carcinogenesis in humans
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over 50 years, we have learned a great deal about the biology that underpins cancer but our approach to testing chemicals for carcinogenic potential has not kept up. Only a small number of chemicals has been tested in animal-intensive, time consuming, and expensive long-term bioassays in rodents. We now recommend a transition from the bioassay to a decision-tree matrix that can be applied to a broader range of chemicals, with better predictivity, based on the premise that cancer is the consequence of DNA coding errors that arise either directly from mutagenic events or indirectly from sustained cell proliferation. The first step is in silico and in vitro assessment for mutagenic (DNA reactive) activity. If mutagenic, it is assumed to be carcinogenic unless evidence indicates otherwise. If the chemical does not show mutagenic potential, the next step is assessment of potential human exposure compared to the threshold for toxicological concern (TTC). If potential human exposure exceeds the TTC, then testing is done to look for effects associated with the key characteristics that are precursors to the carcinogenic process, such as increased cell proliferation, immunosuppression, or significant estrogenic activity. Protection of human health is achieved by limiting exposures to below NOEALs for these precursor effects. The decision tree matrix is animal-sparing, cost effective, and in step with our growing knowledge of the process of cancer formation.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle