Representative levels of blood lead, mercury, and urinary cadmium in youth: Korean Environmental Health Survey in Children and Adolescents (KorEHS-C), 2012–2014
Notice bibliographique
Résumé
BACKGROUND: This study examined levels of blood lead and mercury, and urinary cadmium, and associated sociodemographic factors in 3-18 year-old Korean children and adolescents. MATERIALS AND METHODS: We used the nationally representative Korean Environmental Health Survey in Children and Adolescents data for 2012-2014 and identified 2388 children and adolescents aged 3-18 years. The median and 95th percentile exposure biomarker levels with 95% confidence intervals (CIs) were calculated. Multivariate regression analyses were performed on log transformed exposure biomarker levels adjusted for age, sex, area, household income, and father's education level. The median exposure biomarker levels were compared with data from Germany, the US, and Canada, as well as the levels of Korean children measured at different times. RESULTS: The median levels of blood lead and mercury, as well as urinary cadmium were 1.23μg/dL, 1.80μg/L, and 0.40μg/L (95% CIs, 1.21-1.25, 1.77-1.83, and 0.39-0.41, respectively). The blood lead levels were significantly higher in boys and younger children (p<0.0001) and children with less educated fathers (p=0.004) after adjusting for covariates. Urinary cadmium level increased with age (p<0.0001). The median levels of blood mercury and urinary cadmium were much higher in Korean children and adolescents than those in their peers in Germany, the US, and Canada. Blood lead levels tended to decrease with increasing age and divergence between the sexes, particularly in the early teen years. Median levels of blood lead and urinary cadmium decreased since 2010. CONCLUSION: Sociodemographic factors, including age, sex, and father's education level were associated with environmental exposure to heavy metals in Korean children and adolescents. These biomonitoring data are valuable for ongoing surveillance of environmental exposure in this vulnerable population.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».