Concentrations of Blood Vitamin A, C, E, Coenzyme Q10 and Urine Cotinine Related to Cigarette Smoking Exposure
Notice bibliographique
Résumé
BACKGROUND: In smokers, smoking causes many disease entities including cancers, chronic pulmonary diseases and cardiovascular diseases. Passive smoking is also accepted as a carcinogen and its adverse health effects are emphasized. We measured blood vitamin A, C, E (alpha-, beta- and gamma-tocopherol), coenzyme Q10 and urine cotinine concentrations in nonsmokers and smokers. METHODS: Twenty-one healthy nonsmokers and 24 healthy smokers were included in this study. Smoking status was assessed with a self-reported questionnaire. Plasma was analyzed for coenzyme Q10 and serum for vitamin A, C, E using HPLC (Agilent Technologies Inc., USA) and random urine for cotinine using LC/tandem mass spectrometry (Applied Biosystems Inc., Canada). RESULTS: Smokers had significantly lower serum concentrations of vitamin C than nonsmokers (P=0.0005). No significant differences in concentrations of serum vitamin A, E, and plasma coenzyme Q10 were observed. Smokers had highly elevated urine cotinine levels (1,454+/-903 ng/mL). In 16 (76.2%) of 21 nonsmokers, urine cotinine was detected (3.25+/-4.08 ng/mL). The correlations between urine cotinine and blood antioxidants levels were not found. Neither, the correlation between smoking status and blood antioxidants & urine cotinine was found. CONCLUSIONS: This study shows that smokers had significantly lower vitamin C levels among nonenzymatic antioxidants, namely, vitamin A, C, E and coenzyme Q10. High detection rate of urine cotinine in nonsmokers show the seriousness of passive smoking exposure, therefore more social efforts should be directed to reduce passive smoking 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 ».