Arsenic Speciation Analysis in Human Saliva
Notice bibliographique
Résumé
BACKGROUND: Determination of arsenic species in saliva is potentially useful for biomonitoring of human exposure and studying arsenic metabolism. Arsenic speciation in saliva has not been reported previously. METHODS: We separated arsenic species in saliva using liquid chromatography (LC) and quantified them by inductively coupled plasma mass spectrometry. We further confirmed the identities of arsenic species by LC coupled with electrospray ionization tandem mass spectrometry. These methods were successfully applied to the determination of arsenite (As(III)), arsenate (As(V)), and their methylation metabolites, monomethylarsonic acid (MMA(V)), and dimethylarsinic acid (DMA(V)), in >300 saliva samples collected from people who were exposed to varying concentrations of arsenic. RESULTS: The mean (range) concentrations (microg/L) in the saliva samples from 32 volunteers exposed to background levels of arsenic were As(III) 0.3 [not detectable (ND) to 0.7], As(V) 0.3 (ND to 0.5), MMA(V) 0.1 (ND to 0.2), and DMA(V) 0.7 (ND to 2.6). Samples from 301 people exposed to increased concentrations of arsenic in drinking water showed detectable As(III) in 99%, As(V) in 98%, MMA(V) in 80%, and DMA(V) in 68% of samples. The mean (range) concentrations of arsenic species in these saliva samples were (in microg/L) As(III) 2.8 (0.1-38), As(V) 8.1 (0.3-120), MMA(V) 0.8 (0.1-6.0), and DMA(V) 0.4 (0.1-3.9). Saliva arsenic correlated with drinking water arsenic. Odds ratios for skin lesions increased with saliva arsenic concentrations. The association between saliva arsenic concentrations and the prevalence of skin lesions was statistically significant (P <0.001). CONCLUSIONS: Speciation of As(V), As(III), MMA(V), and DMA(V) in human saliva is a useful method for monitoring arsenic exposure.
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 | 0,001 | 0,000 |
| 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) | 0,004 | 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 ».