Maternal‐infant biomonitoring of environmental chemicals: The epidemiologic challenges
Notice bibliographique
Résumé
There is growing concern about the potential health effects of exposure to various environmental chemicals during pregnancy and infancy. One of the key limitations of past epidemiologic research in this field has been the potential for exposure misclassification to lead to biases in the health risk estimate. The use of biomarkers in pregnancy cohort or case-control studies has significantly advanced the field; however, this is true only if the biomarker is a true measurement of exposure for the relevant time period of interest. There are a number of theoretical and practical constraints to their use, including difficulty interpreting biomonitoring data, high analytical and collection costs, potential participant selection biases, and ethical challenges in reporting results to study subjects. Identifying a representative sample and collecting biospecimens in the developmental window of interest can be problematic. Various strategies for identifying pregnant women range from the more representative but least efficient sampling of the general population to recruitment through early ultrasound clinics and local advertising. Whereas measurement of xenobiotic chemicals in cord blood, amniotic fluid, or meconium provides unequivocal evidence that the chemical has entered the fetal environment, analysis of maternal blood and urine can be used as a surrogate for fetal exposure. Use of stored midpregnancy serum collected for fetal screening and of large-cohort biobanks offer unique opportunities for biomonitoring data for birth defects studies. Future research is needed to explore less invasive matrices for biomonitoring of infants and to develop less costly analytical methods that require smaller sample volumes.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».