Markov chain Monte Carlo simulation of biomonitoring in humans: application to biomarkers of chronic exposure to alkyl benzenes in the environment
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
Bayesian approaches are relevant for characterizing the population distribution of pharmacokinetic determinants as well as the exposure biomarkers of chemicals in the environment. The objective of this study was to conduct Bayesian analysis of the blood and alveolar air concentrations of alkyl benzenes (toluene, m-xylene and ethylbenzene) in humans chronically exposed to these chemicals in air. At steady-state, the blood and alveolar concentrations of alkyl benzenes are influenced by alveolar ventilation rate (QP), blood: air partition coefficient (PB), liver blood flow (QL) and intrinsic clearance (CLint). The prior information on these input parameters was obtained from the literature. The mean and variability of steady-state blood concentrations observed in a human volunteer study (n=4) was used as a basis to create a distribution (normal) from which samples (n = 16 and n = 50) were drawn using Monte Carlo approach. After Markov Chain Monte Carlo (MCMC) simulation with n = 16 (trial 1) and n = 50 (trail 2), posterior estimates of model parameters were obtained. The second updating of model parameters (trial 2) did not have an impact on the outcome. In general, the calculated steady-state biomarker concentrations compared well with the individual and population values. Overall, this study has demonstrated the feasibility of conducting MCMC simulations of human biomonitoring data, particularly during data-poor situations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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