Toxicologic Pathology Forum*: Opinion on Qualitative Severity Descriptors to Express Magnitude of Changes in Clinical Pathology Endpoints in Nonclinical Toxicity Studies
Notice bibliographique
Résumé
Clinical pathology endpoints are routinely assessed in nonclinical toxicity studies and the magnitude of test article-related changes is frequently expressed using quantitative and/or qualitative severity descriptors. Quantitative descriptors (ie, percent or fold change) are easily calculated to express numerical magnitude of a change but may not adequately convey biological relevance. A specific quantitative magnitude may be associated with vastly different levels of pathophysiologic relevance depending on several factors, including the nature of the endpoint, the animal species/strain, and the magnitude and direction of change. Qualitative descriptors (eg, minimal and mild) offer a succinct way to provide additional context to the pathophysiologic relevance but are more challenging to ascribe to a change. The assignment of qualitative descriptors often requires a subjective, comprehensive, and multifaceted approach using various factors in addition to numerical calculation. Because of the subjectivity involved, the qualitative severity descriptor assigned to a specific change may differ among clinical pathology endpoints, species/strain, contributing scientists, and studies/programs. Quantitative and qualitative severity descriptors may provide complementary information and may be used individually or in combination. This opinion piece primarily explains the process and discusses caveats and various factors taken into consideration by clinical pathologists while ascribing qualitative severity descriptors.
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 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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».