Ethical principles for regulatory risk decision-making
Notice bibliographique
Résumé
Risk assessors, managers, and decision-makers are responsible for evaluating diverse human, environmental, and animal health risks. Although the critical elements of risk assessment and management are well-described in national and international documents, the ethical issues involved in risk decision-making have received comparatively little attention to date. To address this aspect, this article elaborates fundamental ethical principles designed to support fair, balanced, and equitable risk-based decision-making practices. Experts and global thinkers in risk, health, regulatory, and animal sciences were convened to share their lived experiences in relation to the intersection between risk science and analysis, regulatory science, and public health. Through a participatory and knowledge translation approach, an integrated risk decision-making model, with ethical principles and considerations, was developed and applied using diverse, contemporary risk decision-making and regulatory contexts. The ten principles - autonomy, minimize harm, maintain respect and trust, adaptability, reduce disparities, holistic, fair and just, open and transparent, stakeholder engagement, and One Health lens - demonstrate how public sector values and moral norms (i.e., ethics) are relevant to risk decision-making. We also hope these principles and considerations stimulate further discussion, debate, and an increased awareness of the application of ethics in identifying, assessing, and managing health risks.
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 | 0,167 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,058 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,016 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».