MétaCan
Menu
Retour à la cohorte
Enregistrement W4214726040 · doi:10.1101/2022.02.24.481630

Resource requirements for ecotoxicity testing: A comparison of traditional and new approach methods

2022· preprint· en· W4214726040 sur OpenAlexaff
Krittika Mittal, Doug Crump, Jessica Head, Markus Hecker, Gordon M. Hickey, Steve Maguire, Natacha Hogan, Jianguo Xia, Niladri Basu

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Toxicology and Ecotoxicology
Établissements canadiensUniversity of SaskatchewanEnvironment and Climate Change CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésResource (disambiguation)EcotoxicityTest (biology)Computer scienceRisk analysis (engineering)UnderpinningEngineeringBusinessEcologyToxicityMedicineBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Toxicity testing is under transformation as it aims to harness the potential of New Approach Methods (NAMs) as alternative test methods that may be less resource intensive (i.e., fewer animals, cheaper costs, quicker assays) than traditional approaches while also providing more data and information. While many stakeholders are of the opinion that this unfolding transformation holds significant promise as a more efficient and ethical way forward, few studies have compared the resources required for NAMs versus those needed for traditional animal-based toxicity tests, particularly in the field of ecotoxicology. The objective was to compare resources needed for traditional animal-based ecotoxicity tests versus alternative tests using emergent NAMs. From a bibliometric review, we estimate that traditional tests for a single chemical cost $118,000 USD, require 135 animals, and take 8 weeks. In comparison, alternative tests cost $2,600, require 20 animals (or none), and take up to 4 weeks to test 16 (to potentially hundreds of) chemicals. Based on our analysis we conclude that NAMs in ecotoxicology can be more advantageous than traditional methods in terms of resources required (i.e., monetary costs, number of animals needed, and testing times). We note, however, that the evidence underpinning these conclusions is relatively sparse. Moving forward, groups developing and applying NAMs should provide more detailed accounts of the resources required. In addition, there is also a need for carefully designed case studies that demonstrate the domain of applicability of NAMs (and make comparisons to traditional tests) to ultimately build confidence among the user community.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,055
score de la tête « metaresearch » (Gemma)0,167
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,293

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,167
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0220,029
Études des sciences et des technologies0,0010,002
Communication savante0,0100,013
Science ouverte0,0040,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,314
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetEnvironmental Toxicology and EcotoxicologyTravaux en français237 207