MétaCan
Menu
Retour à la cohorte
Enregistrement W3201347042 · doi:10.3390/foods10102241

SARS-CoV-2 Pandemic and Food Safety Oversight: Implications in Canada and Coping Strategies

2021· review· en· W3201347042 sur OpenAlexaffabout
Sylvain Charlebois, Janet Music

Notice bibliographique

RevueFoods · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueHealthcare and Environmental Waste Management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCoping (psychology)Environmental healthFood safetyBusinessMedicineVirologyOutbreakInfectious disease (medical specialty)Psychiatry

Résumé

récupéré en direct d'OpenAlex

The SARS-CoV-2 pandemic has created enormous societal disruptions in the Western world, including Canada, with serious implications for food safety. Since the start of the pandemic, many scholars have investigated the issue of food safety through different lenses. In this review, two research thrusts were identified, the epidemiology of the virus and food safety oversight. Both were challenged by the pandemic in Canada and elsewhere. In this paper, we first present how Canada experienced the pandemic. We then present how epidemiology and food safety oversight were affected by the virus and how the spread exposed gaps in Canada's food safety system. We explain how Canada was not adequately prepared to face the food safety challenges posed by SARS-CoV-2. The review ends with an explanation on how risk perceptions will be altered by the pandemic in Canada and how food safety systems will adjust to better anticipate systemic risks in the future.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,807

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,364
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetHealthcare and Environmental Waste ManagementTravaux en français237 207