Modeling the Human Kinetic Adjustment Factor for Inhaled Volatile Organic Chemicals: Whole Population Approach versus Distinct Subpopulation Approach
Notice bibliographique
Résumé
The objective of this study was to evaluate the impact of whole- and sub-population-related variabilities on the determination of the human kinetic adjustment factor (HKAF) used in risk assessment of inhaled volatile organic chemicals (VOCs). Monte Carlo simulations were applied to a steady-state algorithm to generate population distributions for blood concentrations (CAss) and rates of metabolism (RAMs) for inhalation exposures to benzene (BZ) and 1,4-dioxane (1,4-D). The simulated population consisted of various proportions of adults, elderly, children, neonates and pregnant women as per the Canadian demography. Subgroup-specific input parameters were obtained from the literature and P3M software. Under the "whole population" approach, the HKAF was computed as the ratio of the entire population's upper percentile value (99th, 95th) of dose metrics to the median value in either the entire population or the adult population. Under the "distinct subpopulation" approach, the upper percentile values in each subpopulation were considered, and the greatest resulting HKAF was retained. CAss-based HKAFs that considered the Canadian demography varied between 1.2 (BZ) and 2.8 (1,4-D). The "distinct subpopulation" CAss-based HKAF varied between 1.6 (BZ) and 8.5 (1,4-D). RAM-based HKAFs always remained below 1.6. Overall, this study evaluated for the first time the impact of underlying assumptions with respect to the interindividual variability considered (whole population or each subpopulation taken separately) when determining the HKAF.
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) | 0,000 | 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 ».