Prioritizing health outcomes when assessing the effects of exposure to radiofrequency electromagnetic fields: A survey among experts
Notice bibliographique
Résumé
Exposure to radiofrequency (RF) electromagnetic fields (EMF) (frequencies of 100 kHz to 300 GHz) has been steadily increasing. In addition to heat-related effects of RF EMF, other yet-unspecified biological effects, might exist which could possibly lead to health effects. Given the large number of health endpoints that have been studied, we wanted to prioritize those that would merit systematic reviews. We developed a survey listing of all health endpoints reported in the literature and we asked 300 RF EMF experts and researchers to prioritize these health effects for systematic review as critical, important or unimportant. We also asked the experts to provide the rationale for their prioritization. Of the 300 RF EMF experts queried, 164 (54%) responded. They rated cancer, heat-related effects, adverse birth outcomes, electromagnetic hypersensitivity, cognitive impairment, adverse pregnancy outcomes and oxidative stress as outcomes most critical regarding RF EMF exposure. For these outcomes, systematic reviews are needed. For heat-related outcomes, the experts based their ranking of the critical outcomes on what is known from human or animal studies, and for cancer and other outcomes, they based their rating also on public concern. To assess health risks of an exposure in a robust manner, it is important to prioritize the health outcomes that should be systematically reviewed. Here we have shown that it feasible to do so in an inclusive and transparent way.
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 | 0,081 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».