Assessment of nanoparticles and metal exposure of airport workers using exhaled breath condensate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aircraft engine exhaust increases the number concentration of nanoparticles (NP) in the surrounding environment. Health concerns related to NP raise the question of the exposure and health monitoring of airport workers. No biological monitoring study on this profession has been reported to date. The aim was to evaluate the NP and metal exposure of airport workers using exhaled breath condensate (EBC) as a non-invasive biological matrix representative of the respiratory tract. EBC was collected from 458 French airport workers working either on the apron or in the offices. NP exposure was characterized using particle number concentration (PNC) and size distribution. EBC particles were analyzed using dynamic light scattering (DLS) and scanning electron microscopy coupled to x-ray spectroscopy (SEM-EDS). Multi-elemental analysis was performed for aluminum (Al), cadmium (Cd) and chromium (Cr) EBC contents. Apron workers were exposed to higher PNC than administrative workers (p < 0.001). Workers were exposed to very low particle sizes, the apron group being exposed to even smaller NP than the administrative group (p < 0.001). The particulate content of EBC was brought out by DLS and confirmed with SEM-EDS, although no difference was found between the two study groups. Cd concentrations were higher in the apron workers (p < 0.001), but still remained very low and close to the detection limit. Our study reported the particulate and metal content of airport workers airways. EBC is a potential useful tool for the non-invasive monitoring of workers exposed to NP and metals.
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.
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 | 0,005 | 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 | 0,001 |
| 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 découle