A Prospective Study of Arsenic Exposure From Drinking Water and Incidence of Skin Lesions in Bangladesh
Notice bibliographique
Résumé
Elevated concentrations of arsenic in groundwater pose a public health threat to millions of people worldwide. The authors aimed to evaluate the association between arsenic exposure and skin lesion incidence among participants in the Health Effects of Arsenic Longitudinal Study (HEALS). The analyses used data on 10,182 adults free of skin lesions at baseline through the third biennial follow-up of the cohort (2000-2009). Discrete-time hazard regression models were used to estimate hazard ratios and 95% confidence intervals for incident skin lesions. Multivariate-adjusted hazard ratios for incident skin lesions comparing 10.1-50.0, 50.1-100.0, 100.1-200.0, and ≥200.1 μg/L with ≤10.0 μg/L of well water arsenic exposure were 1.17 (95% confidence interval (CI): 0.92, 1.49), 1.69 (95% CI: 1.33, 2.14), 1.97 (95% CI: 1.58, 2.46), and 2.98 (95% CI: 2.40, 3.71), respectively (P(trend) = 0.0001). Results were similar for the other measures of arsenic exposure, and the increased risks remained unchanged with changes in exposure in recent years. Dose-dependent associations were more pronounced in females, but the incidence of skin lesions was greater in males and older individuals. Chronic arsenic exposure from drinking water was associated with increased incidence of skin lesions, even at low levels of arsenic exposure (<100 μg/L).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».