MétaCan
Menu
Retour à la cohorte
Enregistrement W4405320488 · doi:10.22541/au.173401454.40794486/v1

Adverse Outcome Pathways Applied to Space Radiation Research

2024· preprint· en· W4405320488 sur OpenAlexafffund
Vinita Chauhan, Veronica S. Grybas, Devyn Hoopfer, Casey Higginson, Elizabeth A. Ainsbury, Omid Azimzadeh, Afshin Beheshti, Steve R. Blattnig, Marjan Boerma, Sylvain V. Costes, Stephen B. Doty, Christelle Adam‐Guillermin, Nobuyuki Hamada, Patricia Hinton, Janice L. Huff, Robert J. Reynolds, Ruth C. Wilkins, Scott J. Wood, Carole L. Yauk

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensCanadian Forces CollegeUniversity of OttawaHealth Canada
Organismes subventionnairesCanadian Space AgencyHealth CanadaCanada Research ChairsNational Aeronautics and Space AdministrationImperial College LondonNational Institute for Health Research Health Protection Research UnitNational Institute for Health and Care ResearchUniversity of Ottawa
Mots-clésAdverse Outcome PathwayOutcome (game theory)Space (punctuation)Space radiationAdverse effectPsychologyMedicineComputer sciencePhysicsEconomicsInternal medicineBiologyAstronomyComputational biologyMathematical economics

Résumé

récupéré en direct d'OpenAlex

IntroductionThe Organisation for Economic Co-operation and Development (OECD) Adverse Outcome Pathway (AOP) framework is used to organize scientific knowledge in toxicology into linear sequences of causally related events that lead to adverse toxicological endpoints (Ankley et al., 2010; OECD, 2018). AOPs describe the critical interactions of a chemical or non-chemical stressor within a biological system. AOPs begins with a molecular initiating event (MIE) that leads to intermediate key events (KEs) and culminate in an adverse outcome (AO). KEs are connected by key event relationships (KERs) for which causality is evaluated using the modified Bradford-Hill criteria (Becker et al., 2015). These criteria include biological plausibility, evidence for the essentiality of KEs, and empirical evidence in the form of dose-, temporal- and incidence-concordance. The strength of these directional and causal relationships is evaluated through a weight of evidence analysis for each KER (Villeneuve et al., 2014). AOPs are purposefully simplified, describing KEs that can be routinely measured and are essential to pathway progression, to facilitate regulatory utility and test strategy development (Ankley et al., 2010). AOPs are developed in a linear manner; however, shared KEs lead to networks of AOPs. Through these networks, multiple MIEs can converge to lead to the same AOs. In addition, multiple different types of stressors may interact with the same MIE to progress AOPs. Thus, although simple in concept, the AOP network is the fundamental unit of application for risk assessment and can broadly reflect complex, multi-stressor interactions and outcomes. AOPs have primarily been used to describe the impacts of chemicals on human and ecological outcomes. However, there is growing interest in applying AOPs in the radiation field (NCRP 2020, Chauhan et al., 2019; Chauhan et al., 2024). A case example AOP to lung cancer that is relevant to stressors such as radon inhalation has been endorsed by the Nuclear Energy Agency (NEA) and the Working Group of the National Coordinators of the Test Guidelines Programme (WNT) and Working Party on Hazard Assessment (WPHA) of the OECD (https://aopwiki.org/aops/272). Furthermore, since June 2021, a Radiation/Chemical AOP Joint Topical Group under the auspices of the NEA High Level Group on Low Dose Research has been working to promote and integrate AOPs into radiation research and risk assessments (Chauhan, Beaton et al., 2022a; Chauhan, Hamada et al., 2022b; Chauhan, Beaton et al., 2024). As part of these efforts, AOPs are being developed to multiple AOs including those relevant to space exploration (Kozbenko et al., 2024; Carrothers et al., 2024; Sleiman et al., 2024; Sandhu et al., 2024). Herein we describe four AOPs (AOP#478; AOP#483; AOP#470; AOP#482) that form a network leading to non-cancer AOs of relevance to space travel.

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)0,029
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,053
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0120,011
Études des sciences et des technologies0,0020,006
Communication savante0,0080,005
Science ouverte0,0030,008
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0450,005

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 Opus0,130
Tête enseignante GPT0,420
Écart entre enseignants0,290 · 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'étudeThéorique ou conceptuel
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRadiation Dose and ImagingTravaux en français237 207