The Development of a Risk Assessment Model for Inedible Rendering Plants in Canada: Identifying and Selecting Feed Safety-Related Factors
Notice bibliographique
Résumé
The Canadian Food Inspection Agency (CFIA) is developing an establishment-based risk assessment model to categorize rendering plants that produce livestock feed ingredients (ERA-Renderer model) according to animal and human health risks (i.e., feed safety risks) and help in determining the allocation of inspection resources based on risk. The aim of the present study was to identify and select feed-safety-related factors and assessment criteria for inclusion in the ERA-Renderer model. First, a literature review was performed to identify evidence-based factors that impact the feed safety risk of livestock feed during its rendering processes. Secondly, a refinement process was applied to retain only those that met the inclusion conditions, such as data availability, lack of ambiguity, and measurability. Finally, an expert panel helped in selecting factors and assessment criteria based on their knowledge and experience in the rendering industry. A final list of 32 factors was developed, of which 4 pertained to the inherent risk of a rendering plant, 8 were related to risk mitigation strategies, and 20 referred to the regulatory compliance of a rendering plant. A total of 179 criteria were defined to assess factors based on practices in the Canadian rendering industry. The results of this study will be used in the next step of the model development to estimate the relative risks of the assessment criteria considering their impact on feed safety. Once implemented, the CFIA's ERA-Renderer model will provide an evidence-based, standardized, and transparent approach to help manage the feed safety risks in Canada's rendering sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».