Estimation and correlation of cigarette smoke exposure in Canadian smokers as determined by filter analysis and biomarkers of exposure
Notice bibliographique
Résumé
A clinical study conducted in Canada compared two methods of estimating exposure to cigarette smoke in 192 volunteer subjects: 43 smokers of 4-6 mg, 49 of 8-12 mg and 50 of 14-15 mg ISO tar yield cigarettes and 50 non-smokers. Estimates of mouth level exposure (MLE) to nicotine, 4-(methylnitrosamino)-1-(3-pyridyl)-1-butanone (NNK), pyrene and acrolein were obtained by chemical analysis of spent cigarette filters. Estimates of smoke constituent uptake were achieved by analysis of urinary biomarkers for total nicotine equivalents (nicotine, cotinine, trans-3'-hydroxycotinine plus their glucuronide conjugates), NNK (total 4-(methylnitrosamino)-1-(3-pyridyl)-1-butanol (NNAL) plus glucuronide), pyrene (1-hydroxy pyrene plus glucuronide) and acrolein (3-hydroxylpropyl-mercapturic acid) plus the nicotine metabolite cotinine in plasma and saliva. The objective of our study was to confirm the correlations between measures of human exposure obtained by filter analysis and biomarkers. Significant correlations (p<0.001) were found between MLE and the relevant biomarker for each smoke constituent. The adjusted values of the Pearson correlation coefficients (r) were 0.80 (nicotine), 0.77 (acrolein) and 0.44 (pyrene). NNK correlations could not be obtained because of the low NNK yield of Canadian cigarettes. Unexpectedly high levels of acrolein biomarker found in non-smokers urine on one of the two days sampled emphasised the need for more than one sampling occasion per period and an awareness of non-tobacco sources of smoke constituents under investigation. No consistent dose response, in line with ISO tar yield smoked, of MLE estimates was found for nicotine, pyrene and acrolein and respective biomarkers. The influence of demographics on our results has also been examined.
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 | 0,001 | 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 ».