Arsenic exposure and seafood intake in Korean adults
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
Arsenic (As) is widely distributed in the environment, and humans can be exposed to As from various sources such as air, water, soil, and food. This study was performed to evaluate the As exposure levels in Korean adults by measuring total As in urine and its relation with the consumption of seafood, a favorite food in Korea. A total of 2077 adults were the study subjects; they ranged in age from 19 to 83, and they were recruited by probability sampling stratified by area, sex, and age. None of the subjects had been exposed to As occupationally. We collected information about the demographic characteristics, lifestyles, and food consumption of study subjects using a questionnaire and followed urine sampling. Diet was assessed in individual interviews using the 24-h recall method. Total As in urine was analyzed using inductively coupled plasma mass spectrometry (PerkinElmer NEXION 300S; Concord, Ontario, Canada). The geometric mean concentration of total As in urine was observed to be 97.6 µg/L and was higher in males (103.9 µg/L) than in females (93.0 µg/L). Total As levels in urine were affected by sex, age, seafood intake, and geographic location. In this study, total As in urine was positively correlated with fish and shellfish consumption, and was mainly determined by As intake through fish and shellfish/grains/flavors. These findings suggest that seafood consumption might be a major contributor to urinary As levels in Korean adults.
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 | 0,000 | 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) | 0,007 | 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