MétaCan
Menu
Retour à la cohorte
Enregistrement W2475077967 · doi:10.1021/acs.est.5b00195

Human Body Burden and Dietary Methylmercury Intake: The Relationship in a Rice-Consuming Population

2015· article· en· W2475077967 sur OpenAlexaff
Ping Li, Xinbin Feng, Hing Man Chan, Xiaofeng Zhang, Buyun Du

Notice bibliographique

RevueEnvironmental Science & Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensOntario GenomicsUniversity of Ottawa
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésMethylmercuryMercury (programming language)PopulationEnvironmental chemistryFish consumptionReference doseChemistryToxicologyAnimal scienceFish <Actinopterygii>BioaccumulationEnvironmental healthBiologyRisk assessmentFisheryMedicine

Résumé

récupéré en direct d'OpenAlex

Rice can be the main route of methylmercury (MeHg) exposure for rice-consuming populations living in area where mercury (Hg) is mined. However, the current risk assessment paradigm for MeHg exposure is based on epidemiological data collected from fish-consuming populations. This study was designed to evaluate the relationship between dietary MeHg intake and human body burden in a rice -consuming population from the Wanshan Hg mining area in China. Hair MeHg concentrations averaged 2.07 ± 1.79 μg/g, and the average blood MeHg concentration across the study area ranged from 2.20 to 9.36 μg/L. MeHg constituted 52.8 ± 17.5% and 71.7 ± 18.2% of total Hg (THg) on average in blood and hair samples, respectively. Blood and hair MeHg concentrations, rather than THg, can be used as a proxy of human MeHg exposure. Hair MeHg levels showed no significant monthly variation; however, hair THg can be impacted by inorganic Hg exposure. The toxicokinetic model of MeHg exposure based on fish consumption underestimated the human hair MeHg levels, and this may be a consequence of the high hair-to-blood MeHg ratio (361 ± 105) in the studied rice-consuming population. The use of risk assessment models based on fish consumption may not be appropriate for inland mining areas where rice is the staple food.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,292
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207