TSNA Exposure: Levels of NNAL Among Canadian Tobacco Users
Notice bibliographique
Résumé
INTRODUCTION: Tobacco smoke contains more than 7,000 chemicals, including known carcinogens, such as tobacco-specific nitrosamines (TSNAs). TSNA levels in cigarettes vary considerably within and across markets; however, the extent to which these different TSNA levels translate into differences in human exposure and risk remains unclear. The current study sought to examine TSNA exposure among Canadian tobacco users. METHODS: Data from the 2007-2009 Canadian Health Measures Survey were used to measure levels of urinary NNAL [4-(methylnitrosamino)-1-(3-pyridyl)-1-butanol], a metabolite of the TSNA NNK [4-(methylnitrosamino-1-(3-pyridyl)-1-butanone], among tobacco users (n = 507). Geometric mean concentrations of total urinary NNAL and creatinine-corrected total urinary NNAL were calculated. A linear regression model was used to examine predictors of urinary levels of NNAL. RESULTS: The mean population level of total urinary NNAL and creatinine-corrected total urinary NNAL was 71.2 pg/ml and 82.0 pg/mg creatinine, respectively. NNAL levels were higher among older respondents (p = .02), among females (p = .04), and among those with greater daily cigarette consumption (p < .0001), greater levels of urinary free cotinine (p < .0001), and greater levels of urinary creatinine (p < .0001). Overall, the mean level of urinary total NNAL among Canadian tobacco users was approximately one fourth that of their U.S. counterparts. CONCLUSIONS: The study findings provide the first nationally representative characterization of TSNA exposure among Canadian tobacco users. Although the findings indicate marked differences in TSNA exposure between Canadian and American populations of tobacco users, it is not known whether these differences in exposure translate into differences in risk.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».