MétaCan
Menu
Retour à la cohorte
Enregistrement W7073982696

Current scientific understanding of the environmental biosafety of transgenic fish and shellfish

2009· article· en· W7073982696 sur OpenAlexfundno aff

Notice bibliographique

RevueUniversity of Minnesota Digital Conservancy (University of Minnesota) · 2009
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesMinnesota Sea Grant, University of MinnesotaGovernment of CanadaUnited States Agency for International DevelopmentNational Oceanic and Atmospheric AdministrationU.S. Department of Commerce
Mots-clésBiosafetyFish <Actinopterygii>ShellfishGenetically modified organismAquacultureTransgeneEnvironmental safetyZebrafish
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A fluorescent zebrafish was the first genetically engineered animal to be&#13;\nmarketed, and biotechnologists are developing many transgenic fish and&#13;\nshellfish. Biosafety science is not sufficiently advanced to be able to draw&#13;\nscientifically reliable and broadly trusted conclusions about the environmental&#13;\neffects of these animals. The science is best developed for identifying hazards&#13;\nposed by environmental spread of a transgenic fish or shellfish and least&#13;\ndeveloped for assessing potential ecological harms of spread. Environmental&#13;\nspread of certain transgenic fish or shellfish could be an indirect route of entry&#13;\ninto the human food supply. The management of predicted environmental risks is&#13;\nin its infancy and has thus far focused on the first step of the risk management&#13;\nprocess, i.e. risk reduction, via a few confinement methods. There is a critical&#13;\nneed to improve scientific methods of environmental safety assessment and&#13;\nmanagement and to gather empirical data needed to substantiate biosafety&#13;\nconclusions and to effectively manage transgenic fish and shellfish. Scientists&#13;\nand potentially affected parties should participate in prioritising the knowledge&#13;\ngaps to be addressed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,192
Écart entre enseignants0,169 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Minnesota Digital Conservancy (University of Minnesota)Même sujetPrenatal Screening and DiagnosticsTravaux en français237 207