Para-occupational exposure to pesticides in agricultural families: developing models for risk assessment
Notice bibliographique
Résumé
<h3>Objectives</h3> We aim to construct para-occupational pesticide exposure models to refine exposure estimates within farming communities. Para-occupational exposure reflects the experiences of people who may not formally work on farms, but live on or near sprayed areas or participate in unpaid farmwork. The first step of this process was a comprehensive review documenting the extent and main pathways of para-occupational exposures. <h3>Methods</h3> A literature search was undertaken. Papers examining para-occupational exposure in North American farmer/farmworker families were included, as the population of interest. Environmental, biological and epidemiological data were critically examined and catalogued. <h3>Results</h3> The studies examined showed increased pesticide exposure for farm children compared to non-farm children. Children who were present during spraying showed even higher levels of exposure. A smaller but similar increase was seen for farm spouses. Major pathways of exposure included workers9 boots, clothes and vehicles. Proximity of the home to spraying was also a factor. Epidemiological studies showed higher rates/risks of cancer and decreased neurobehavioral performance in children whose parents were occupationally exposure to pesticides. <h3>Conclusions</h3> Para-occupational pathways are complex and reflect a mixture of direct contact (inhalation of drift) and indirect exposure (residue build-up in carpets, vehicles and laundry). An attempt to delineate the magnitude of these different pathways was made by Arcury <i>et al</i> (2007) but more precise exposure data was needed. We propose stratified models for children and spouses that reflect direct and indirect sources, which will generate a more refined assessment of exposures occurring within North American farming communities.
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 | 0,000 | 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 ».