Arsenic from community water fluoridation: quantifying the effect
Notice bibliographique
Résumé
Community water fluoridation is a WHO recommended strategy to prevent dental carries. One debated concern is that hydrofluorosilicic acid, used to fluoridate water, contains arsenic and poses a health risk. This study was undertaken to determine if fluoridation contributes to arsenic in drinking water, to estimate the amount of additional arsenic associated with fluoridation, and compare this to the National Sanitation Foundation/American National Standards Institute (NSF/ANSI) standard and estimates from other researchers. Using surveillance data from Ontario drinking water systems, mixed effects linear regression was performed to examine the effect of fluoridation status on the difference in arsenic concentration between raw water and treated water samples. On average, drinking water treatment was found to reduce arsenic levels in water in both fluoridated and non-fluoridated systems by 0.2 μg/L. However, fluoridated systems were associated with an additional 0.078 μg/L (95% CI 0.021, 0.136) of arsenic in water when compared to non-fluoridated systems (P = 0.008) while controlling for raw water arsenic concentrations, types of treatment processes, and source water type. Our estimate is consistent with concentrations expected from other research and is less than 10% of the NSF/ANSI standard of 1 μg/L arsenic in water. This study provides further information to inform decision-making regarding community water fluoridation.
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 | 0,000 |
| 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 ».