Intégration de la toxicogénomique à l'évaluation du risque à la santé humaine : une étude exploratoire
Bibliographic record
Abstract
L’évaluation du risque à la santé humaine (ÉRSH) doit s’adapter aux défis du 21e siècle, et la toxicogénomique est au cœur des changements que les agences réglementaires veulent implantés. Cependant, l’utilisation de données issues de la toxicogénomique en ÉRSH est encore marginale. L’objectif de cette étude est d’étudier l’état de l’utilisation de la toxicogénomique en ÉRSH au Canada et de caractériser, de façon exploratoire, les facteurs individuels et organisationnels entravant une telle utilisation. L’étude comporte deux volets. Le premier consistait en une enquête par questionnaire électronique menée auprès d’évaluateurs de risque canadiens. Vingt-neuf (29) participants ont complété et retourné le questionnaire. Le deuxième consistait en un examen de la portée des publications toxicogénomiques portant sur les trihalométhanes. L’examen de la portée a identifié 9 publications satisfaisant aux critères de sélection, lesquelles ont été incluses dans l’analyse. Les résultats démontrent que l’utilisation de la toxicogénomique en ÉRSH reste marginale, 85% des répondants au sondage ayant rapporté n’avoir jamais utilisé de telles données dans leur pratique. Le principal facteur individuel entravant l’utilisation de données toxicogénomiques en ÉRSH semble être le manque de connaissance en toxicogénomique chez les évaluateurs de risque (68% des répondants n’étant « pas » ou « peu familiers » avec le concept). Les principaux facteurs organisationnels identifiés sont le manque de lignes directrices guidant l’utilisation de la toxicogénomique en ÉRSH, et le manque de leadership et de soutien de la part des organisations envers le développement de telles lignes directrices ainsi qu'envers la formation des évaluateurs de risque. Les résultats de l’examen de la portée démontrent que la faible disponibilité (n=9) et la qualité faible ou incertaine des publications toxicogénomiques (3/9 satisfaisant aux critères de qualité) peuvent également être des freins importants. Les résultats permettent de suggérer des pistes d’interventions visant à appuyer l’application de la toxicogénomique en ÉRSH.
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 | 0.040 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".