Physiologically-Based Pharmacokinetic and Toxicokinetic Models in Cancer Risk Assessment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Physiologically-based pharmacokinetic (PBPK) and toxicokinetic models are increasingly being used for the conduct of high dose to low dose and interspecies extrapolations required in cancer risk assessment. These models, by simulating tissue dose of toxic chemicals, help address the uncertainty associated with the default approaches for interspecies and high dose to low dose extrapolations. The applicability of PBPK models in cancer risk assessment has been demonstrated with a number of chemicals (e.g., acrylonitrile, 2-butoxyethanol, chloroform, 1,4-dioxane, methyl chloroform, methylene chloride, styrene, trichloroethylene, tetrachloroethylene, vinyl chloride, vinyl acetate). Recent advances in PBPK modeling facilitate the consideration of population distribution of parameter values, age-dependent changes in physiology and metabolism, multi-route exposures as well as multichemical interactions for application in cancer risk assessment. Whereas the average values for various input parameters have been used to evaluate the age-dependency of tissue dose, the Markov Chain Monte Carlo technique can be applied to address variability and uncertainty in parameter estimates, thus facilitating a more accurate estimation of cancer risk in the population. The PBPK models also uniquely facilitate the simulation of tissue dose, and thereby cancer risks, associated with multi-route and multichemical exposure situations. Overall, the recent advances reviewed in this article point to the continued enhancement of the scientific basis and applicability of PBPK models in cancer risk assessment.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle