Geographic exposure and risk assessment for food contaminants in Canada
Notice bibliographique
Résumé
The purpose of this thesis is to explore differences in lifetime excess cancer risk (LECR) for Canadians from intake of contaminants in food and beverages based on geographic location, gender and income levels. A probabilistic risk assessment approach (Monte Carlo simulation) was used to estimate the range and frequency of possible daily contaminant intakes for Canadians, and associate these intake levels with lifetime excess cancer risk. Monte Carlo risk simulation was applied to estimate probable contaminant intake and associated lifetime excess cancer risk from arsenic, benzene, lead, polychlorinated biphenyls (PCBs) and tetrachloroethylene (PERC) in 60 whole foods from the dietary patterns of 34,944 Canadians from 10 provinces, as derived from Health Canada’s Canadian Community Health Survey, Cycle 2.2, Nutrition (2004)1. These results were compared to the current Health Canada guideline that suggests that 10 extra cancers per one million people is a negligible risk. Of the 5 contaminants tested in my model arsenic showed the greatest difference between urban and rural estimated lifetime excess cancer risk, although extra cancers in both rural and urban Canada were predicted from exposure to PCB and benzene. Lifetime excess cancer risk is estimated to be higher for men in Canada for all five contaminants, with an emphasis on males in British Columbia compared to females from the dietary intake of arsenic. When based on income level, my model predicts extra cancers higher for low and middle incomes from dietary exposures to arsenic, benzene, lead and PERC, however, high income populations are more likely to have extra cancers from dietary intake of PCBs.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».