MétaCan
Menu
Retour à la cohorte
Enregistrement W4383736551 · doi:10.3390/foods12142645

Cultured Meat Safety Research Priorities: Regulatory and Governmental Perspectives

2023· article· en· W4383736551 sur OpenAlex
Kimberly J. Ong, Yadira Tejeda-Saldana, Breanna Duffy, Dwayne Holmes, Kora Kukk, Jo Anne Shatkin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFoods · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIdentification and Quantification in Food
Établissements canadiensCochrane
Organismes subventionnairesnon disponible
Mots-clésBusinessProduct (mathematics)Food safetyAdaptation (eye)MarketingProduction (economics)Consumer safetyKey (lock)Diversity (politics)Public relationsBiotechnologyRisk analysis (engineering)MedicineComputer sciencePolitical scienceEconomicsPsychology

Résumé

récupéré en direct d'OpenAlex

As with every new technology, safety demonstration is a critical component of bringing products to market and gaining public acceptance for cultured meat and seafood. This manuscript develops research priorities from the findings of a series of interviews and workshops with governmental scientists and regulators from food safety agencies in fifteen jurisdictions globally. The interviews and workshops aimed to identify the key safety questions and priority areas of research. Participants raised questions about which aspects of cultured meat and seafood production are novel, and the implications of the paucity of public information on the topic. Novel parameters and targets may require the development of new analytical methods or adaptation and validation of existing ones, including for a diversity of product types and processes. Participants emphasized that data sharing of these efforts would be valuable, similar to those already developed and used in the food and pharmaceutical fields. Contributions to such databases from the private and public sectors would speed general understanding as well as efforts to make evaluations more efficient. In turn, these resources, combined with transparent risk assessment, will be critical elements of building consumer trust in cultured meat and seafood products.

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.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,277

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,048
Tête enseignante GPT0,355
Écart entre enseignants0,306 · 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