Environnement politique et réglementaire des pharmacultures au Canada : la contamination pharmaceutique à l’horizon ?
Bibliographic record
Abstract
Depuis les années 1980, le gouvernement canadien a misé sur le développement des biotechnologies dans l’intention de faire du pays un "chef de file" dans ce secteur. Plusieurs programmes ainsi que des mesures réglementaires et financières ont été mis de l’avant afin d’atteindre cet objectif. Le Canada se situe donc aujourd’hui parmi les premiers pays au monde en termes de cultures d’organismes génétiquement modifiés (OGM) à visé agroalimentaire. Au sein des nombreux champs d’OGM canadiens se dressent, depuis 1994, des plantes transgéniques dont le but serait de produire, éventuellement, des molécules pharmaceutiques. Nommées pharmacultures ou molécultures pharmaceutiques, ces nouveaux OGM posent de multiples enjeux dont les principaux sont liés à la contamination des sources d’alimentation et de l’environnement. Ces enjeux sanitaires, environnementaux et socioéconomiques ne se circonscrivent cependant pas uniquement à l’espace canadien. L’expérience des OGM agroalimentaires montre en effet que dans le contexte scientifique et réglementaire actuel, aucune frontière biologique, physique ou politique ne semble pouvoir contenir adéquatement la contamination transgénique. Situés en porte-à-faux entre le développement économique et la protection de la santé et de l’environnement, le gouvernement canadien et ses agences tel l’Agence canadienne d’inspection des aliments affirment pourtant concilier avec succès ces deux aspects. Or, l’analyse des politiques canadiennes relativement à l’encadrement des pharmacultures montre notamment que l’intégration de la dimension économique au mandat des agences de protection influence directement la réglementation et mine le processus d’évaluation scientifique des plantes transgéniques, contribuant ainsi à mettre en jeu la santé des populations et l’environnement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".