MétaCan
Menu
Retour à la cohorte
Enregistrement W4409182885 · doi:10.1111/1541-4337.70170

Megatrends and emerging issues: Impacts on food safety

2025· review· en· W4409182885 sur OpenAlexaff
Margaret Thorsen, Jeremy P. Hill, Jeffrey M. Farber, Frank Yiannas, Ivonne M.C.M. Rietjens, Pierre Venter, Ryk Lues, Phil Bremer

Notice bibliographique

RevueComprehensive Reviews in Food Science and Food Safety · 2025
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensUniversity of GuelphThornhill Medical (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessUrbanizationFood safetyPopulationSustainabilityFood systemsEnvironmental planningPaceFood processingFood securityNatural resource economicsRisk analysis (engineering)AgricultureEnvironmental resource managementEconomic growthGeographyEconomicsEnvironmental healthPolitical scienceBiology

Résumé

récupéré en direct d'OpenAlex

The world is changing at a pace, driven by global megatrends and their interactions. Megatrends, including climate change, the drive for sustainability, an aging population, urbanization, and geopolitical tensions, are producing an increasingly challenging environment for the provision of a safe and secure food supply. To ensure a robust, safe, and secure food supply for all, potential food safety impacts associated with these megatrends need to be understood, and mitigation and management plans must be implemented. This paper outlines the relevant megatrends, discusses their potential impact on food safety, and suggests steps to help ensure the production of safe food in the future. Megatrends are increasingly driving resource depletion, reducing the vitality of plants and animals, increasing the geographical spread of animal and plant pathogens, increasing the risk of mycotoxins, agrichemical residues, and antimicrobial-resistant pathogens contaminating foods, and threatening to destabilize food systems and the food regulatory network. Science-based actions, adopting continual and dynamic risk assessments, alongside the use of more sensitive and accurate methods for the detection of contaminants, may counter these challenges. The use of artificial intelligence, robotics and automation, the enhancement of food safety cultures, the continued education and training of workforces, and the implementation of risk-based food regulations will help ensure preventative controls are in place. As low-income countries and smallholder farmers are more likely to be exposed to the impact of these megatrends and less likely to have resources to counter them, geographical social inequality, unrest, and population migration are likely to be exacerbated unless urgent action is taken.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,005
Communication savante0,0070,011
Science ouverte0,0020,008
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0250,003

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,344
Écart entre enseignants0,273 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComprehensive Reviews in Food Science and Food SafetyMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207