Validation of Bioavailability-Based Toxicity Models for Metals
Notice bibliographique
Résumé
Regulatory jurisdictions worldwide are increasingly incorporating bioavailability-based toxicity models into development of protective values (PVALs) for freshwater and saltwater aquatic life (e.g., water quality criteria, standards, and/or guidelines) for metals. Use of such models for regulatory purposes should be contingent on their ability to meet performance criteria as specified through a model-validation process. Model validation generally involves an assessment of a model's appropriateness, relevance, and accuracy. We review existing guidance for validation of bioavailability-based toxicity models, recommend questions that should be addressed in model-validation studies, discuss model study type and design considerations, present several new ways to evaluate model performance in validation studies, and suggest a framework for use of model validation in PVAL development. We conclude that model validation should be rigorous but flexible enough to fit the user's purpose. Although a model can never be fully validated to a level of zero uncertainty, it can be sufficiently validated to fit a specific purpose. Therefore, support (or lack of support) for a model should be presented in such a way that users can choose their own level of acceptability. We recommend that models be validated using experimental designs and endpoints consistent with the data sets that were used to parameterize and calibrate the model and validated across a broad range of geographically and ecologically relevant water types. Environ Toxicol Chem 2019;39:101-117. © 2019 SETAC.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».