MétaCan
Menu
Retour à la cohorte
Enregistrement W1996555070 · doi:10.1590/s1020-49892009001200010

Manganese exposure and the neuropsychological effect on children and adolescents: a review

2009· review· en· W1996555070 sur OpenAlexaff
José A. Menezes‐Filho, Maryse F. Bouchard, Paula de Novaes Sarcinelli, Josino Costa Moreira

Notice bibliographique

RevueRevista Panamericana de Salud Pública · 2009
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFogarty International CenterNational Institutes of HealthCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésManganeseConfoundingPrenatal exposureEnvironmental healthNeuropsychologyBioindicatorCross-sectional studyMedicineExposure assessmentUrineCognitionPhysiologyToxicologyEnvironmental chemistryPregnancyOffspringChemistryPsychiatryEndocrinologyPathologyBiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Manganese (Mn) is an essential element, but overexposure can have neurotoxic effects. METHODS: In this article, we review and summarize studies on exposure to Mn and nervous system impairments in children. RESULTS: We identified 12 original articles published between 1977 and 2007. Overexposure to Mn was suspected to occur through diverse sources: infant milk formula, drinking water, industrial pollution, and mining wastes. The most common bioindicator of exposure to Mn was hair Mn content, but some studies measured Mn in blood, urine, or dentin; one study on prenatal exposure measured Mn content in cord blood. Most studies indicate that higher postnatal exposure to Mn is associated with poorer cognitive functions and hyperactive behavior. CONCLUSIONS: The limitations of the existing studies are numerous: most were cross-sectional, had a modest sample size, and lacked adjustment for important confounders. Future investigations should be performed on a larger sample size and include a more detailed exposure assessment, addressing multiple sources of exposure such as food, water, and airborne particulates.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,289
Écart entre enseignants0,278 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Panamericana de Salud PúblicaMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207