Exploring the ethics of a One Health approach to harm reduction: A way forward for industrialized animal-sourced foods
Notice bibliographique
Résumé
Abstract Industrialized animal-sourced foods (IASFs) are well-documented for their benefits (nutritional, economic) and harms (health, environment, welfare, justice). How we should address harms and effect a favourable balance with IASF benefits requires both practical and normative analyses. To reduce the significant harms across human, non-human animal, and environmental aspects of IASFs, this commentary considers the ethical possibilities of a One Health approach to harm reduction. We examine what a One Health-informed harm reduction approach might include ethically, and what questions would need to be asked and answered to begin to address the multifaceted harms posed by perpetuating IASF industries. One Health impact statement The ethical debate considers the foundational ethics of a One Health approach to harm reduction, and what that ethic would look like in practice if applied to the complex issue of industrial animal-sourced foods. A One Health-oriented approach to harm reduction uniquely considers harms to health and well-being across the environment, human, non-human animal nexus. We outline the history of ethics in One Health and harm reduction, and consider how these ethical foundations might be intertwined in a One Health approach to harm reduction, particularly as applied to the case of IASF.
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 | 0,065 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,093 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,024 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».