Contribution of Toxicokinetic Modeling to the Adjustment of Exposure Limits to Unusual Work Schedules
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
This study compared two toxicokinetic approaches for determining correction factors to be applied to occupational exposure limits (ELs) for unusual exposure scenarios: a classic one-compartment toxicokinetic approach and the physiologically based toxicokinetic (PBTK) approach. The approaches were applied to three typical unusual exposure scenarios: four consecutive 10-hour workdays followed by 3 days of recovery; three consecutive 12-hour workdays followed by 4 days of recovery; and a 4/3 work schedule. Results indicate that use of an adjustment method for ELs based on contaminant toxicokinetics generates less protective correction factors (i.e., a smaller adjustment) than those obtained using the U.S. Occupational Safety and Health Administration approach, which is based on Haber's law. Among all scenarios tested, the highest adjustment required, resulting from the use of a toxicokinetic approach (PBTK or one-compartment), was for the 4/3 work schedule and for a contaminant with a half-life equal to 18 hours. In that case the ELs would need to be reduced by 26%. Based on previous work, the authors believe an adjustment based on a toxicokinetic approach is more realistic from a toxicological standpoint. Given the value of a substance's half-life, the use of the graphs of Hickey and Reist (developed from a one-compartment toxicokinetic model) is a rapid and reliable means of establishing the correction factor. However, this approach is limited to simple and repetitive scenarios. For more complex exposure scenarios, such as that corresponding to a 4/3 work schedule, a one-compartment model also can be developed for each of the needs. Finally, the use of PBTK models allows greater flexibility for adjusting ELs for novel work schedules.
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 | 0,000 | 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 découle