MétaCan
Menu
Retour à la cohorte
Enregistrement W2914121366

Quantitative risk assessment of baitfish and relevant issues

2000· article· en· W2914121366 sur OpenAlexaboutno aff
J. B. Jones

Notice bibliographique

RevueMurdoch Research Repository (Murdoch University) · 2000
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRisk assessmentIdentification (biology)Risk perceptionFish <Actinopterygii>FisheryMeaning (existential)Risk analysis (engineering)Actuarial sciencePerceptionBusinessGeographyPsychologyComputer scienceEcologyComputer security
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is a widespread perception that the practice of importing untreated frozen fish for use as bait is a 'high risk' activity. The problem has been that there has been no quantifiable data on which to evaluate that perception. In 1997 the Western Australian Rock Lobster Industry commissioned a quantitative risk assessment, based on OIE principles, to assess the risk posed by bait in rock lobster pots. Several novel approaches were used to quantitatively assess the risk, based on historical patterns of usage. The resulting conclusion was that the risk of introducing disease with rock lobster bait was extremely low, or did not exist at all.&#13;\n&#13;\nIn 1998 the WTO ruled on the Canadian dispute with Australia over salmon. In the Report of the Appellate Body, the definition of risk assessment was explored in detail. Their rulings indicate that risk assessments should be based on a threefold test: Identification of the diseases; evaluation of the likelihood of entry; and evaluation of the effect of SPS measures which might be applied to reduce risk. These were all met in the 1997 report. However, there are serious questions about disease identification in the absence of data and the meaning of "appropriate level of risk". These issues still need to be addressed by the international community.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,039
Tête enseignante GPT0,357
Écart entre enseignants0,318 · 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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMurdoch Research Repository (Murdoch University)Même sujetIdentification and Quantification in FoodTravaux en français237 207