Impact of Biological and Environmental Variabilities on Biological Monitoring—An Approach Using Toxicokinetic Models
Notice bibliographique
Résumé
Biological monitoring of occupational exposure is characterized by important variability, due both to variability in the environment and to biological differences between workers. A quantitative description and understanding of this variability is important for a dependable application of biological monitoring. This work describes this variability, using a toxicokinetic model, for a large range of chemicals for which reference biological reference values exist. A toxicokinetic compartmental model describing both the parent compound and its metabolites was used. For each chemical, compartments were given physiological meaning. Models were elaborated based on physiological, physicochemical, and biochemical data when available, and on half-lives and central compartment concentrations when not available. Fourteen chemicals were studied (arsenic, cadmium, carbon monoxide, chromium, cobalt, ethylbenzene, ethyleneglycol monomethylether, fluorides, lead, mercury, methyl isobutyl ketone, penthachlorophenol, phenol, and toluene), representing 20 biological indicators. Occupational exposures were simulated using Monte Carlo techniques with realistic distributions of both individual physiological parameters and exposure conditions. Resulting biological indicator levels were then analyzed to identify the contribution of environmental and biological variability to total variability. Comparison of predicted biological indicator levels with biological exposure limits showed a high correlation with the model for 19 out of 20 indicators. Variability associated with changes in exposure levels (GSD of 1.5 and 2.0) is shown to be mainly influenced by the kinetics of the biological indicator. Thus, with regard to variability, we can conclude that, for the 14 chemicals modeled, biological monitoring would be preferable to air monitoring. For short half-lives (less than 7 hr), this is very similar to the environmental variability. However, for longer half-lives, estimated variability decreased.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».