An Evaluation of 24-Hour Urinary Creatinine Excretion for Use in Identification of Incomplete Urine Collections and Adjustment of Absorbed Dose of Pesticides
Notice bibliographique
Résumé
The accurate quantification of the absorbed dose of pesticides following occupational exposures generally requires complete 24-hour urine collections, often over extended periods of time. Difficulty in obtaining volunteer cooperation may result in incomplete urine collections. Traditionally, 24-hour urinary creatinine has been used to identify incomplete urine samples and has been used to standardize pesticide and other chemical dose estimates. More recently, the use of creatinine to standardize dose estimates has been questioned, as has its utility in the identification of incomplete urine collections. This research evaluates the use of personal observation, statistical methods, and published models to predict creatinine excretion to identify and adjust for incomplete urine collections. Based on the use of published creatinine prediction models, an evaluation of the day-to-day creatinine excretion within subjects, and personal observation, a small number of suspected urine samples were identified. Although it is likely that these samples were incomplete, correction of these urine volumes based on the published models did little to improve pesticide dose prediction. Further, results indicate that subjects who report missed urine samples may be able to estimate the missing volumes with some accuracy. In future pesticide exposure studies, the use of self-reported missed volumes may help to increase the accuracy of dose prediction when there is strong cooperation with collection procedures. A statistical model to predict creatinine excretion in professional turf applicators was developed to provide a preliminary screening for urinary completeness for future studies in which compliance with urinary collection is thought to be insufficient.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».