Sequential Hair Analysis as a Seasonal Biomarker of Variations in Selenium Status
Notice bibliographique
Résumé
ISEE-591 Objective: In the Brazilian Amazon, where there is high mercury (Hg) exposure, there is much interest in possible Hg-Se interactions. Se is ingested through a number of food sources, whose content is dependent on soil Se concentrations and plant accumulation. Intraindividual variations over time can occur through changes in dietary habits and seasonal availability of different foods. The present study was conducted among 6 riparian communities of the Tapajós River (Brazil) to evaluate variations in whole blood and sequential hair cm Se biomarkers, and to examine blood-hair and blood-urine relations. Materials and Methods: Two cross-sectional studies were conducted, at the descending water (n=259) and the rising water (n=137) seasons, with repeated measures for a subgroup (n=112). Blood Se (B-Se), hair Se (H-Se), and urine Se (U-Se) were assessed. Sociodemographic information was collected using an interview-administered questionnaire. Results: Blood Se (B-Se) levels presented a large range (142.1 to 2447.8 mg/L) with no overall interseasonal variation (median 284.3 and 292.2 mg/L respectively). Sequential analysis of 13 cm hair strands showed significant variations over time, where Se levels associated to the descending water season were lower compared to the that of rising water season (median 0.7 and 0.9 mg/g, range 0.2–4.3 and 0.2–5.4 mg/g respectively), possibly reflecting seasonal availability of Se sources in local food. No individuals presented Se deficiency, but 10 participants had high Se status, potentially a threat to their health. At both seasons, relations between B-Se and H-Se were linear and highly significative, while the best relation between B-Se and U-Se was described by a sigmoid curve. Gender, age, education, and smoking had no influence on Se status or biomarker relations. Conclusions: While blood represents a single measure in time, sequential analyses of H-Se provides a good reflection of varying Se status and should be useful to study Se-Hg relations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».