MétaCan
Menu
Retour à la cohorte
Enregistrement W2960634915 · doi:10.2903/j.efsa.2019.e170707

Conducting fit‐for‐purpose food safety risk assessments

2019· article· en· W2960634915 sur OpenAlexaff
Yann Devos, Kevin C. Elliott, Philip Macdonald, Katherine A. McComas, Lucia Parrino, Domagoj Vrbos, Tobin Robinson, David Spiegelhalter, Barbara Gallani

Notice bibliographique

RevueEFSA Journal · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetically Modified Organisms Research
Établissements canadiensCanadian Food Inspection Agency
Organismes subventionnairesnon disponible
Mots-clésFood safetyAgency (philosophy)Food inspectionPolitical scienceManagementLibrary scienceSociologyMedicineSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The interplay between science, risk assessment and risk management has always been complex, and even more so in a world increasingly characterised by rapid technical innovation, new modes of communication, suspicion about authorities and experts, and demands for people to have a say in decisions that are made on their behalf. In this challenging era where scientific advice on food safety has never been in greater demand, risk managers should effectively navigate the interplay between facts and values and be able to rely on robust and fit-for-purpose risk assessments to aid them. The fact that societal resistance is often encountered when scientific advice on food safety operates at a distance from social values and fails to actively engage with citizens, has led to increasing emphasis on the need to advance forms of risk assessment that are more contextual, and socially sound and accountable. EFSA's third Scientific Conference explored how risk assessments could be constructed to most usefully meet society's needs and thus connect science with society, while remaining scientifically robust. Contributors to the conference highlighted the need to: (1) frame risk assessments by clear policy goals and decision-making criteria; (2) begin risk assessments with an explicit problem formulation to identify relevant information; (3) make use of reliable risk assessment studies; (4) be explicit about value judgements; (5) address and communicate scientific uncertainty; (6) follow trustworthy processes; (7) publish the evidence and data, and report the way in which they are used in a transparent manner; (8) ensure effective communication throughout the risk analysis process; (9) involve society, as appropriate; and (10) weigh risks and benefits on request. Implementation of these recommendations would contribute to increased credibility and trustworthiness of food safety risk assessments.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,247
score de la tête « metaresearch » (Gemma)0,255
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,247
Score d'incertitude au seuil0,929

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2470,255
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,003
Études des sciences et des technologies0,0070,004
Communication savante0,0170,015
Science ouverte0,0070,018
Intégrité de la recherche0,0110,012
Charge utile insuffisante (le modèle a refusé de juger)0,0190,009

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 Opus0,120
Tête enseignante GPT0,322
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEFSA JournalMême sujetGenetically Modified Organisms ResearchTravaux en français237 207