MétaCan
Menu
Retour à la cohorte
Enregistrement W1980354930 · doi:10.1371/journal.pone.0049676

Toxic Element Contamination of Natural Health Products and Pharmaceutical Preparations

2012· article· en· W1980354930 sur OpenAlexaff
Stephen J. Genuis, Gerry Schwalfenberg, Anna-Kristen J. Siy, Ilia Rodushkin

Notice bibliographique

RevuePLoS ONE · 2012
Typearticle
Langueen
DomaineChemistry
ThématiqueHeavy Metals in Plants
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMercury (programming language)ToxicantContaminationEnvironmental healthMedicineToxicologyToxicityBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Concern has recently emerged regarding the safety of natural health products (NHPs)-therapies that are increasingly recommended by various health providers, including conventional physicians. Recognizing that most individuals in the Western world now consume vitamins and many take herbal agents, this study endeavored to determine levels of toxic element contamination within a range of NHPs. METHODS: Toxic element testing was performed on 121 NHPs (including Ayurvedic, traditional Chinese, and various marine-source products) as well as 49 routinely prescribed pharmaceutical preparations. Testing was also performed on several batches of one prenatal supplement, with multiple samples tested within each batch. Results were compared to existing toxicant regulatory limits. RESULTS: Toxic element contamination was found in many supplements and pharmaceuticals; levels exceeding established limits were only found in a small percentage of the NHPs tested and none of the drugs tested. Some NHPs demonstrated contamination levels above preferred daily endpoints for mercury, cadmium, lead, arsenic or aluminum. NHPs manufactured in China generally had higher levels of mercury and aluminum. CONCLUSIONS: Exposure to toxic elements is occurring regularly as a result of some contaminated NHPs. Best practices for quality control-developed and implemented by the NHP industry with government oversight-is recommended to guard the safety of unsuspecting consumers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,097
Tête enseignante GPT0,339
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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

Citations114
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetHeavy Metals in PlantsTravaux en français237 207