Is the Relationship between Prenatal Exposure to PCB-153 and Decreased Birth Weight Attributable to Pharmacokinetics?
Notice bibliographique
Résumé
BACKGROUND: A recent meta-analysis based on data from > 7,000 pregnancies reported an association between prenatal polychlorinated biphenyl (PCB)-153 exposure and reduced birth weight. Gestational weight gain, which is associated negatively with PCB levels in maternal and cord blood, and positively with birth weight, could substantially confound this association. OBJECTIVE: We sought to estimate the influence of gestational weight gain on the association between PCB-153 exposure and birth weight using a pharmacokinetic model. METHODS: We modified a recently published pharmacokinetic model and ran Monte Carlo simulations accounting for variability in physiologic parameters and their correlations. We evaluated the pharmacokinetic model by comparing simulated plasma PCB-153 levels during pregnancy to serial measurements in 10 pregnant women from another study population. We estimated the association between simulated plasma PCB-153 levels and birth weight using linear regression models. RESULTS: The plasma PCB-153 level profiles generated with the pharmacokinetic model were comparable to measured levels in 10 pregnant women. We estimated a 118-g decrease in birth weight (95% CI: -129, -106 g) for each 1-μg/L increase in simulated cord plasma PCB-153, compared with the 150-g decrease estimated based on the previous meta-analysis. The estimated decrease in birth weight was reduced to -6 g (95% CI: -18, 6 g) when adjusted for simulated gestational weight gain. CONCLUSION: Our findings suggest that associations previously noted between PCB levels and birth weight may be attributable to confounding by maternal weight gain during pregnancy.
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 | 0,001 | 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) | 0,009 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».