Influence of exposure to coarse, fine and ultrafine urban particulate matter and their biological constituents on neural biomarkers in a randomized controlled crossover study
Notice bibliographique
Résumé
BACKGROUND: Epidemiological studies have reported associations between air pollution and neuro-psychological conditions. Biological mechanisms behind these findings are still not clear. OBJECTIVES: We examined changes in blood and urinary neural biomarkers following exposure to concentrated ambient coarse, fine and ultrafine particles. METHODS: ) and filtered medical air. Exposures lasted 130min, separated by ≥2weeks, and the biological constituents endotoxin and β-1,3-d-glucan of each particle size fraction were measured. Blood and urine samples were collected pre-exposure, and 1-hour and 21-hour post-exposure to determine neural biomarker levels. Mixed-model regressions assessed associations between exposures and changes in biomarker levels. RESULTS: +1)], one-hour post-exposure. Fine CAP was marginally associated with increased blood UCHL1 when compared with exposure to filtered medical air [17.7% (-1.7%, 37.2%), p=0.07] 21hours post-exposure. Ultrafine CAP was not significantly associated with changes in any blood and urinary neural biomarkers examined. CONCLUSION: Ambient coarse particulate matter and its biological constituents may influence neural biomarker levels that reflect perturbations of blood-brain barrier integrity and systemic stress response.
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 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 | 0,001 | 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) | 0,001 | 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 tête enseignante, 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 ».