MétaCan
Menu
Retour à la cohorte
Enregistrement W4313053248 · doi:10.37313/1990-5378-2022-24-4-97-105

FEATURES AND DIFFERENCES OF THE SYSTEM OF HAZARD CLASSIFICATION AND LABELING OF CHEMICAL PRODUCTS IN SAFETY DATA SHEET FOR VARIOUS COUNTRIES

2022· article· en· W4313053248 sur OpenAlexaboutno aff
A.I. Shinkevich, E.N. Vinogradova, Vladislav Vitalievich Zologin, A.F. Savina, T.S. Lubinskaya, A.D. Lebedev

Notice bibliographique

RevueIzvestiya of Samara Scientific Center of the Russian Academy of Sciences · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationHazardChemical safetyEuropean unionChemical productsBusinessRisk analysis (engineering)Computer scienceEngineeringPolitical scienceChemistryBiochemical engineeringLawInternational trade

Résumé

récupéré en direct d'OpenAlex

The article presents a study on the classification and labeling in accordance with the GHS when issuing safety data sheets for chemical products. The purpose of the study is to identify features and differences in chemical safety data sheets developed in accordance with the legislation of a number of countries, as well as to analyze the main errors in the preparation of SDS, and in particular in the section related to the GHS classification. In the article, on specific examples, the differences in the classification of chemical products are considered, as well as explanations of these differences within the framework of the legislation used by countries. As research methods, a comparison method was used to assess the differences between the existing legislations of countries and identify criteria for hazard types that have significant differences, as well as a method for analyzing existing national documents that control safety when working with chemical products. Using these methods, the main differences in the classification of products according to the GHS and the issuing of the SDS were presented in comparison with the criteria for classifying products under Russian legislation with the classification of other countries (European Union countries, USA, Canada, etc.).

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)0,010
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,006
Communication savante0,0000,000
Science ouverte0,0040,001
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 Opus0,105
Tête enseignante GPT0,335
Écart entre enseignants0,229 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIzvestiya of Samara Scientific Center of the Russian Academy of SciencesMême sujetRisk and Safety AnalysisTravaux en français237 207