Removing politics from innovations that improve food security
Notice bibliographique
Résumé
Genetically modified (GM) organisms and crops have been a feature of food production for over 30 years. Despite extensive science-based risk assessment, the public and many politicians remain concerned with the genetic manipulation of crops, particularly food crops. Many governments have addressed public concern through biosafety legislation and regulatory frameworks that identify and regulate risks to ensure human health and environmental safety. These domestic regulatory frameworks align to international scientific risk assessment methodologies on a case-by-case basis. Regulatory agencies in 70 countries around the world have conducted in excess of 4400 risk assessments, all reaching the same conclusion: GM crops and foods that have been assessed provide no greater risk to human health or the environment than non-GM crops and foods. Yet, while the science regarding the safety of GM crops and food appears conclusive and societal benefits have been globally demonstrated, the use of innovative products have only contributed minimal improvements to global food security. Regrettably, politically-motivated regulatory barriers are currently being implemented with the next genomic innovation, genome editing, the implications of which are also discussed in this article. A decade of reduced global food insecurity was witnessed from 2005 to 2015, but regrettably, the figure has subsequently risen. Why is this the case? Reasons have been attributed to climate variability, biotic and abiotic stresses, lack of access to innovative technologies and political interference in decision making processes. This commentary highlights how political interference in the regulatory approval process of GM crops is adversely affecting the adoption of innovative, yield enhancing crop varieties, thereby limiting food security opportunities in food insecure economies.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,018 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».