MétaCan
Menu
Retour à la cohorte
Enregistrement W2010527642 · doi:10.1289/ehp.1103741

Biomarkers of Methylmercury Exposure Immunotoxicity among Fish Consumers in Amazonian Brazil

2011· article· en· W2010527642 sur OpenAlexafffund
Jennifer F. Nyland, Myriam Fillion, Fernando Barbosa, Devon L. Shirley, Chiameka Chine, Mélanie Lemire, Donna Mergler, Ellen K. Silbergeld

Notice bibliographique

RevueEnvironmental Health Perspectives · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNational Institute of Environmental Health SciencesCanadian Institutes of Health ResearchNational Institutes of HealthJohns Hopkins University
Mots-clésMethylmercuryProinflammatory cytokineUrinePopulationImmunologyBiomarkerInternal medicineMedicinePhysiologyChemistryEnvironmental chemistryInflammationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mercury (Hg) is a ubiquitous environmental contaminant with neurodevelopmental and immune system effects. An informative biomarker of Hg-induced immunotoxicity could aid studies on the potential contribution to immune-related health effects. OBJECTIVES: Our objectives were to test the hypothesis that methylmercury (MeHg) exposures affect levels of serum biomarkers and to examine interactions between Hg and selenium (Se) in terms of these responses. METHODS: This cross-sectional epidemiological study assessed adults living along the Tapajós River, a system long affected by MeHg. We measured antinuclear (ANA) and antinucleolar (ANoA) autoantibody levels and eight cytokines in serum samples (n = 232). Total Hg (including MeHg) and Se were measured in blood, plasma, hair, and urine. RESULTS: The median (range) total Hg concentrations were 14.1 μg/g (1.1-62.4), 53.5 μg/L (4.3-288.9), 8.8 μg/L (0.2-40), and 3.0 μg/L (0.2-16.1) for hair, blood, plasma, and urine, respectively. Elevated titers of ANA (but not ANoA) were positively associated with MeHg exposure (log-transformed, for blood and plasma), unadjusted [odds ratio (OR) = 2.6; 95% confidence interval (CI): 1.1, 6.2] and adjusted for sex and age (OR = 2.9; 95% CI: 1.1, 7.5). Proinflammatory [interleukin (IL)-6 and interferon (IFN)-γ], anti-inflammatory (IL-4), and IL-17 cytokine levels were increased with MeHg exposure; however, in the subset of the population with elevated ANA, proinflammatory IL-1β, IL-6, IFN-γ, and tumor necrosis factor (TNF)-α and anti-inflammatory (IL-4) cytokine levels were decreased with MeHg exposure. Although Se status was associated with MeHg level (correlation coefficient = 0.86; 95% CI: 0.29, 1.43), Se status was not associated with any changes in ANA and did not modify associations between Hg and ANA titers. CONCLUSIONS: MeHg exposure was associated with an increased ANA and changes in serum cytokine profile. Moreover, alterations in serum cytokine profiles differed based on ANA response, suggesting a specific phenotype of MeHg susceptibility. Further research on the potential health implications of these observed immunological changes is warranted.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,020
Tête enseignante GPT0,275
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

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

Citations118
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Health PerspectivesMême sujetMercury impact and mitigation studiesTravaux en français237 207