An Epidemiologic Study of Arsenic-Related Skin Disorders and Skin Cancer and the Consumption of Arsenic-Contaminated Well Waters in Huhhot, Inner Mongolia, China
Notice bibliographique
Résumé
Well-use histories were obtained and dermatological examinations were conducted for 3,179 of the 3,228 (98.5%) residents of 3 villages in Inner Mongolia with well water arsenic levels as high as 2,000 ppb (ug/L). Eight persons were found to have skin cancer, 172 had hyperkeratoses, 121 had dyspigmentation, 94 had both hyperkeratoses and dyspigmentation, and, strikingly, none had Blackfoot disease. All 8 subjects with skin cancer also had both hyperkeratoses and dyspigmentation. Arsenic levels were measured for 184 wells and individual well-use histories were obtained. Arsenic exposure histories were summarized as both highest arsenic concentration (highest exposure level for at least 1-year duration) and cumulative arsenic exposure (ppb-years). Sixty-nine percent of the participants had highest arsenic concentrations below 100 ppb; 71% had cumulative arsenic exposures below 2,000 ppb-years. Exposure-response analyses included frequency-weighted, simple linear regression, and most-likely estimate (hockey-stick) models. Skin cancer cases were only found for those with a highest arsenic concentration greater than 150 ppb, and those with exposure less than 150 ppb had a statistically significant deficit. A frequency-weighted model showed a threshold at 150 ppb, and a hockey-stick model showed a threshold at 122 ppb. Considerations of duration, age, latency, and misclassification did not appear to markedly affect the analysis. The non-malignant skin findings showed thresholds of 40–50 ppb in the hockey-stick models. Application of these analytic models to the data from other epidemiological studies of arsenic ingestion and malignant and non-malignant skin disorders can be used to examine patterns of arsenic carcinogenicity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».