A FoodSafeR perspective on emerging food safety hazards and associated risks
Notice bibliographique
Résumé
The recently launched FoodSafeR initiative is a cooperative and coordinated approach to the identification, assessment, and management of emerging food security challenges and associated risks—both chemical and microbial. The FoodSafeR consortium includes global stakeholders across governmental, inter-governmental, academic and industrial institutions involved in food safety, research, and production. Consortium members have led in-depth discussions on identifying, assessing and managing chemical and microbial food safety issues resulting from climate change, emerging microbial and chemical contaminants, and evolving dietary preferences. Food safety research often is episodic in nature, increasing after a crisis and then decreasing when there are no major problems. Timely communications about and a central source containing data on previous outbreaks were identified as crucial issues to reduce the harm that could result from a food safety issue. In the course of the discussions, both new and old microbial and chemical hazards were identified for inclusion in a central database. The database could be used to develop artificial intelligence (AI) models to explain existing and predict emerging food safety risks. The FoodSafeR hub continuously collects and merges government, academic and private sector data to enable all stakeholders to better understand emerging risks, both chemical and microbial, and where they are found. As the database expands, climate change impacts on food safety can be documented and then integrated with public health data to rigorously assess the contributions of food safety to public health risks. The overall goal is to enhance global data sharing, improve food safety standards, and ensure the production of safe, accessible food for all populations thereby reducing the economic burden of foodborne illnesses, enhancing food security, and promoting sustainable food systems. The goal of this paper is to alert the global food safety community of the availability of this new resource and to provide information on the types of data it contains while encouraging others to contribute data that would broaden the information available and enable more timely and accurate identification of potential food safety issues throughout the world.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,013 | 0,023 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,012 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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.
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 ».