A matrix for bridging the epidemiology and risk assessment gap
Notice bibliographique
Résumé
Environmental epidemiologic research provides invaluable information for understanding the relationship between environmental exposures and health outcomes. Chemical risk assessment, a foundation of public health decision-making, benefits from having information from various disciplines including epidemiology. While epidemiology and risk assessment have common goals of understanding and reducing human health impacts associated with exposure to environmental chemicals, each discipline utilizes different terminologies and skill sets. This contributes to the challenges faced when seeking to use human data in risk assessment. For over twenty years, scientists have recognized that dialogue between risk assessors and epidemiologists is crucial, although to date no specific path forward has been developed for this purpose. This need for communication motivated the organization of a workshop to explore the question "What do risk assessors need in order to be able to improve the value of epidemiologic research for use in decision-making?" This paper describes the outcome of the workshop, specifically a Matrix designed as a communication tool. The Matrix includes a description of key elements that when included in epidemiology design and/or reporting enhance the use of epidemiology results for a risk assessment. The Matrix is not intended to supplant best practices for environmental epidemiology or existing frameworks on integrating multidisciplinary data. Rather, the goal of the Matrix is to improve understanding and communication between the disciplines. Bridging the gap between epidemiology and risk assessment will enrich both disciplines and enhance public health decision-making.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,075 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,016 | 0,021 |
| Science ouverte | 0,005 | 0,023 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».