Generation of polycyclic aromatic hydrocarbons (PAHs) during woodworking operations
Notice bibliographique
Résumé
Occupational exposures to wood dust have been associated with an elevated risk of sinonasal cancer (SNC). Wood dust is recognized as a human carcinogen but the specific cancer causative agent remains unknown. One possible explanation is a co-exposure to; wood dust and polycyclic aromatic hydrocarbons (PAHs). PAHs could be generated during incomplete combustion of wood due to heat created by use of power tools. To determine if PAHs are generated from wood during common wood working operations, PAH concentrations in wood dust samples collected in an experimental chamber operated under controlled conditions were analyzed. In addition, personal air samples from workers exposed to wood dust (n = 30) were collected. Wood dust was generated using three different power tools: vibrating sander, belt sander, and saw; and six wood materials: fir, Medium Density Fiberboard (MDF), beech, mahogany, oak and wood melamine. Monitoring of wood workers was carried out by means of personal sampler device during wood working operations. We measured 21 PAH concentrations in wood dust samples by capillary gas chromatography-ion trap mass spectrometry (GC-MS). Total PAH concentrations in wood dust varied greatly (0.24-7.95 ppm) with the lowest being in MDF dust and the highest in wood melamine dust. Personal PAH exposures were between 37.5-119.8 ng m(-3) during wood working operations. Our results suggest that PAH exposures are present during woodworking operations and hence could play a role in the mechanism of cancer induction related to wood dust exposure.
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 | 0,000 | 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 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 ».