Human Risk Assessment for Nonylphenol
Notice bibliographique
Résumé
This article presents a risk assessment for human exposure to nonylphenol (NP). We critically reviewed and assessed all relevant full-text publications based on a variety of data quality attributes. Two categories of data, environmental monitoring and biomonitoring from exposed individuals, were used to estimate human exposure to NP. Environmental monitoring data included the measurement of NP in food, water, air, and dust. From these data and estimates of human intake rates for the sources, exposures were estimated from each source and source-specific Margins of Exposure (MOEs) calculated. However, the nature of the populations studied prevented the calculation of aggregate exposure calculations from these data. Rather, the most reliable estimates of aggregate exposure to NP were those derived from biomonitoring studies in exposed individuals. Using the daily absorbed dose estimates for NP, MOEs were calculated for these populations. The MOEs were based on the use of a No-Observed-Adverse-Effect-Level (NOAEL) for sensitive toxicological endpoints of interest, that is, systemic and reproductive toxicity from continuous-feeding more than 3.5 generations (13 mg/kg/day). The MOEs were all greater than 1000 (ranging from 2863 to 8.4 × 107), clearly indicating reasonable certainty of no harm for source-specific and aggregate (based on biomonitoring) exposures to NP.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».