Human Biological Monitoring of Diisononyl Phthalate and Diisodecyl Phthalate: A Review
Notice bibliographique
Résumé
High molecular-weight phthalates, such as diisononyl phthalate (DINP), and diisodecyl phthalate (DIDP), are widely used as plasticizers in the manufacturing of polymers and consumer products. Human biological monitoring studies have employed the metabolites of DINP and DIDP as biomarkers to assess human exposure. In this review, we summarize and analyze publicly available scientific data on chemistry, metabolism, and excretion kinetics, of DINP and DIDP, to identify specific and sensitive metabolites. Human biological monitoring data on DINP and DIDP are scrutinised to assess the suitability of these metabolites as biomarkers of exposure. Results from studies carried out in animals and humans indicate that phthalates are metabolised rapidly and do not bioaccmulate. During Phase-I metabolism, ester hydrolysis of DINP and DIDP leads to the formation of hydrolytic monoesters. These primary metabolites undergo further oxidation reactions to produce secondary metabolites. Hence, the levels of secondary metabolites of DINP and DIDP in urine are found to be always higher than the primary metabolites. Results from human biological monitoring studies have shown that the secondary metabolites of DINP and DIDP in urine were detected in almost all tested samples, while the primary metabolites were detected in only about 10% of the samples. This indicates that the secondary metabolites are very sensitive biomarkers of DINP/DIDP exposure while primary metabolites are not. The NHANES data indicate that the median concentrations of MCIOP and MCINP (secondary metabolites of DINP and DIDP, resp.) at a population level are about 5.1 μg/L and 2.7 μg/L, respectively. Moreover, the available biological monitoring data suggest that infants/children are exposed to higher levels of phthalates than adults.
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 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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 tête enseignante, 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 ».