Occupational tellurium exposure and garlic odour
Notice bibliographique
Résumé
BACKGROUND: Few studies have considered garlic odour as a socially important outcome of occupational tellurium (Te) exposure or concurrent exposures, and most known guidelines focus on other signs and symptoms (e.g. weight loss and somnolence). This study considers workers exposed to tellurium and selenium (Se) at an Ontario, Canada silver refinery. AIMS: To establish the relation of urinary tellurium concentrations to reporting garlic odour, while considering other work-related factors such as concurrent urinary selenium concentrations. METHODS: Historical surveillance records of urinary analyses for tellurium and selenium concentrations (μmol Te or Se/mol creatinine in urine) and symptom self-reports were used. Records were available from December 1986 to June 2002. Logistic regression models were fitted using age at sampling, tellurium and selenium urine concentration and duration of employment. Individual main effects were age adjusted and the final model was fitted for tellurium and selenium urine concentration and duration of employment. RESULTS: Urinary tellurium concentration was significantly associated with garlic odour reporting (odds ratio = 1.74, 95% confidence interval 1.01-2.97, P < 0.05). Furthermore, the likelihood of reporting garlic odour rose as workers reached urinary tellurium concentrations >1 μmol/mol creatinine. CONCLUSIONS: Tellurium urinary concentrations of <1 μmol/mol creatinine appear to limit, but not eliminate, the likelihood of reporting garlic odour. Future studies should consider the effect of concurrent selenium exposure as well as other workplace factors and hygiene.
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 | 0,001 |
| 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) | 0,001 | 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 ».