Emerging investigator series: use of behavioural endpoints in the regulation of chemicals
Notice bibliographique
Résumé
Interest in behavioural ecotoxicology is growing, partly due to technological and computational advances in recording behaviours but also because of improvements of detection capacity facilitating reporting effects at environmentally relevant concentrations. The peer-reviewed literature now contains studies investigating the effects of chemicals, including pesticides and pharmaceuticals, on migration, dispersal, aggression, sociability, reproduction, feeding and anti-predator behaviours in vertebrates and invertebrates. To understand how behavioural studies could be used in regulatory decision-making we: (1) assessed the legal obstacles to using behavioural endpoints in EU chemicals regulation; (2) analysed the known cases of use of behavioural endpoints in EU chemicals regulation; and (3) provided examples of behavioural endpoints of relevance for population level effects. We conclude that the only legal obstacle to the use of behavioural endpoints in EU chemicals regulation is whether an endpoint is considered to be relevant at the population level or not. We also conclude that ecotoxicity studies investigating behavioural endpoints are occasionally used in the EU chemicals regulation, and underscore that behavioural endpoints can be relevant at the population level. To improve the current use of behavioural studies in regulatory decision-making contribution from all relevant stakeholders is required. We have the following recommendations: (1) researchers should conduct robust, well-designed and transparent studies that emphasize the relevance of the study for regulation of chemicals; (2) editors and scientific journals should promote detailed, reliable and clearly reported studies; (3) regulatory agencies and the chemical industry need to embrace new behavioural endpoints of relevance at the population level.
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 | 0,061 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,075 | 0,036 |
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 ».