Risk-based food safety and quality governance at the international law, EU, USA, Canada and France : effective system for Lebanon for the WTO accession
Bibliographic record
Abstract
Suite à l’adhésion du Liban à l’Organisation Mondiale du Commerce (OMC), le Liban doit améliorer son système de sécurité sanitaire des aliments pour être en conformité avec les pratiques internationales. Pour cela, une agence d’évaluation des risques sanitaires des aliments (LFSA) a été créée par le projet de loi Libanais sur la sécurité sanitaire des aliments. Cette étude vise à trouver le système de gouvernance approprié pour la sécurité sanitaire au Liban conformément à l’analyse du risque et aux clauses de l’accord SPS de l’OMC. Elle décrit le système de gouvernance de sécurité sanitaire, réglementaire et institutionnel développé aux États-Unis, dans l’Union Européenne, au Canada et en France pour profiter de leurs expériences dans ce domaine là.Les résultats indiquent que le Liban a respecté les clauses de l’OMC, mais il ne sera dans l’intérêt du Liban d’adhérer à l’OMC avant d’avoir renforcé la capacité de son infrastructure au niveau institutionnel et acteurs par l’harmonisation de l’évaluation du risque et de la gestion du risque au niveau institutionnel et à tous les stades de la chaîne alimentaire. Le Liban devrait s’appuyer sur les accords bilatéraux et multilatéraux en effectuant des équivalences qui correspondent à sa situation socio-économique en se basant sur l’évaluation du risque.Comme il a été montré par les pays étudiés, le pouvoir confié à l’agence de l’évaluation du risque de sécurité sanitaire dépend de la volonté du pays à adopter l’approche politique démocratique ou approche politique scientifique. La gestion du risque et l’évaluation du risque ne sont pas toujours fonctionnellement et institutionnellement séparées. Le Liban, par sa situation politique et socio-économique, doit faire face à des contraintes lorsqu’il s’appuie uniquement sur la justification scientifique. Il devrait adopter l’approche politique démocratique et assurer la collaboration entre l’agence de l’évaluation du risque et la gestion du risque à différents niveaux.Les pays étudiés ont présenté différents systèmes de sécurité sanitaire. Les résultats de l’analyse SWOT (Strengths Weaknesses Opportunities and Threats) sur les différents scénarios proposés en se basant sur les modèles des pays étudiés ont montré que les modèles en cours en Amérique du Nord sont intéressants pour la proximité du travail des évaluateurs du risque et des gestionnaires du risque. Le modèle du Canada a évité le problème de conflit des tâches réparties entre la FDA et l’USDA, par la création d’une agence d’inspection (ACIA). Cependant, le système appliqué aux États-Unis et au Canada ne peut être appliqué au Liban, car la gestion du risque au Liban relève de différents Ministères. Le système appliqué en France est plus convenable pour l’état du Liban mais il ne peut résoudre le chevauchement de tâches entre les Ministères concernés et ne place pas l’évaluation du risque à proximité de la gestion du risque.Les résultats de l’analyse de SWOT ont montré le besoin de créer une agence d’inspection et de contrôle pour que l’évaluation du risque soit à proximité des tâches de surveillance et de contrôle au fur et à mesure des développements des technologies alimentaires en évitant tout conflit avec les décisions politiques des gestionnaires du risque.L’analyse d’un cas particulier sur les produits laitiers Libanais a montré qu’il y a un manque de transmission des données entre les trois Ministères (MOH-MOA- MOET) gestionnaires des risques et l’agence d’évaluation du risque dans un scenario proche du modèle de l’Amérique du Nord, un chevauchement des tâches et un manque de transmission des données au niveau de la surveillance et du contrôle entre les Ministères dans le scenario proche du modèle Français. Ces problèmes devraient être résolus par le dernier modèle proposé par l’analyse SWOT qui regroupe les tâches de l’inspection, de la surveillance et du contrôle dans une seule agence distincte de l’agence d’évaluation des risques.
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 | 0.002 | 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 | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 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".