Radiofréquences et santé : améliorer l’évaluation des risques
Bibliographic record
Abstract
La mutation permanente des applications des technologies sans fil utilisant les radiofréquences s’accompagne de questionnements, aussi bien de la part des usagers qui les utilisent ou qui y sont exposés, que dans la sphère scientifique. Cet article propose d’explorer l’évolution réglementaire qui encadre les technologies sans fil au regard du développement des connaissances liées à l’exposition aux champs électromagnétiques radiofréquences et aux effets sanitaires qui pourraient y être associés. Le cadre réglementaire dans ce domaine peut être vu comme un reflet des connaissances et incertitudes scientifiques, sur lequel se construisent des dispositions héritées de la législation européenne (Directive 1999/5/CE) ou d’application du principe de précaution (Loi n° 2015-136 du 9 février 2015 relative à la sobriété, à la transparence, à l'information et à la concertation en matière d'exposition aux ondes électromagnétiques), par exemple. Même si les controverses publiques autour de la question des effets sanitaires liés à l’exposition aux champs électromagnétiques ne reflètent pas forcément les niveaux de preuve scientifique de leur existence, elles ont poussé à renforcer la structuration et la description des méthodes d’évaluation des risques dans ce domaine. Cet effort permet de mieux faire émerger les types d’incertitude scientifique qui accompagnent les évaluations de risque (manque de connaissances, données contradictoires, etc.) et ainsi affiner les mesures de gestion ou évolutions réglementaires éventuelles.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.023 | 0.052 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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 source (direct Gemma or distilled Codex), 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".