Mercury exposure in a low-income community in South Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To establish whether a specific community in a gold mining area, with potentially associated small-scale gold mining activities, was exposed to mercury. METHODS: The community was situated in Mpumalanga, where some potential sources of mercury emissions may have an impact. Adults >or=18 years were considered eligible. Biological monitoring, supported by questionnaires, was applied. Thirty respondents completed the questionnaire which covered demographics, energy use, food and water consumption, neurological symptoms, and confounders such as alcohol consumption and brain injuries. Mercury levels were determined in 28 urine and 20 blood samples of these respondents. RESULTS: Three (15%) of the blood samples exceeded the guideline (<10 microg/l) for individuals who are not occupationally exposed, while 14 (50%) of the urine samples exceeded the guideline for mercury in urine (<5.0 microg/g creatinine) for those not exposed occupationally. The cause of these elevated levels is unknown, as only 20% of respondents indicated that they used coal as an energy carrier. Furthermore, nobody from the community was reportedly formally employed in a goldmine. Nineteen (63%) respondents consumed locally caught fish, while 20 (67%) drank water from a river. CONCLUSIONS: Some individuals in this study may be occupationally exposed to mercury through small-scale gold mining activities. As primary health facilities will be the first point of entry for individuals experiencing symptoms of mercury poisoning, South African primary health care workers need to take cognisance of mercury exposure as a possible cause of neurological symptoms in patients.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découle