Development of a framework for risk assessment of dietary carcinogens
Notice bibliographique
Résumé
Although there are a number of guidance documents and frameworks for evaluation of carcinogenicity, none of the current methods fully reflects the state of the science. Common limitations include the absence of dose-response assessment and not considering the impact of differing exposure patterns (e.g., intermittent, high peaks vs. lower, continuous exposures). To address these issues, we have developed a framework for risk assessment of dietary carcinogens. This framework includes an enhanced approach for weight of evidence (WOE) evaluation for genetic toxicology data, with a focus on evaluating studies based on the most recent testing guidance to determine whether a chemical is a mutagen. Included alongside our framework is a discussion of resources for evaluating tissue dose and the temporal pattern of internal dose, taking into account the chemical's toxicokinetics. The framework then integrates the mode of action (MOA) and associated dose metric category with the exposure data to identify the appropriate approach(es) to low-dose extrapolation and level of concern associated with the exposure scenario. This framework provides risk managers with additional flexibility in risk management and risk communication options, beyond the binary choice of linear low-dose extrapolation vs. application of uncertainty factors.
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 | 0,034 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,010 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».