Improving the risk assessment of lipophilic persistent environmental chemicals in breast milk
Notice bibliographique
Résumé
Lipophilic persistent environmental chemicals (LPECs) have the potential to accumulate within a woman's body lipids over the course of many years prior to pregnancy, to partition into human milk, and to transfer to infants upon breastfeeding. As a result of this accumulation and partitioning, a breastfeeding infant's intake of these LPECs may be much greater than his/her mother's average daily exposure. Because the developmental period sets the stage for lifelong health, it is important to be able to accurately assess chemical exposures in early life. In many cases, current human health risk assessment methods do not account for differences between maternal and infant exposures to LPECs or for lifestage-specific effects of exposure to these chemicals. Because of their persistence and accumulation in body lipids and partitioning into breast milk, LPECs present unique challenges for each component of the human health risk assessment process, including hazard identification, dose-response assessment, and exposure assessment. Specific biological modeling approaches are available to support both dose-response and exposure assessment for lactational exposures to LPECs. Yet, lack of data limits the application of these approaches. The goal of this review is to outline the available approaches and to identify key issues that, if addressed, could improve efforts to apply these approaches to risk assessment of lactational exposure to these chemicals.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».