MétaCan
Menu
Retour à la cohorte
Enregistrement W4393218675 · doi:10.3390/ani14071020

The Development of a Risk Assessment Model for Inedible Rendering Plants in Canada: Identifying and Selecting Feed Safety-Related Factors

2024· article· en· W4393218675 sur OpenAlexafffundabout
Virginie Lachapelle, Geneviève Comeau, Sylvain Quessy, Romina Zanabria, Mohamed Rhouma, Tony van Vonderen, Philip Snelgrove, Djillali Kashi, My-Lien Bosch, John Smillie, Richard A. Holley, Egan Brockhoff, Márcio Costa, Marie‐Lou Gaucher, Younès Chorfi, Manon Racicot

Notice bibliographique

RevueAnimals · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensUniversity of ManitobaAnimal Nutrition Association of CanadaUniversity of SaskatchewanUniversité de MontréalCanadian Food Inspection Agency
Organismes subventionnairesGovernment of CanadaCanadian Food Inspection Agency
Mots-clésRendering (computer graphics)Risk assessmentRisk analysis (engineering)Computer scienceRisk managementOperations managementBusinessEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

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 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)0,005
score de la tête « metaresearch » (Gemma)0,010
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,253

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,059
Tête enseignante GPT0,282
Écart entre enseignants0,222 · 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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnimalsMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207