Megatrends and emerging issues: Impacts on food safety
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle