MétaCan
Menu
← Retour à la cohorte
Enregistrement W2586338869 · doi:10.1038/srep42317

Development of a Novel Simulation Reactor for Chronic Exposure to Atmospheric Particulate Matter

2017· article· en· W2586338869 sur OpenAlexaff
Jianhuai Ye, Sepehr Salehi, Michelle L. North, Anjelica M. Portelli, Chung‐Wai Chow, Arthur W. H. Chan

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity Health NetworkPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésParticulatesEnvironmental scienceEnvironmental chemistryChemistryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Epidemiological studies have shown that air pollution is associated with the morbidity and mortality from cardiopulmonary diseases. Currently, limited experimental models are available to evaluate the physiological and cellular pathways activated by chronic multi-pollutant exposures. This manuscript describes an atmospheric simulation reactor (ASR) that was developed to investigate the health effects of air pollutants by permitting controlled chronic in vivo exposure of mice to combined particulate and gaseous pollutants. BALB/c mice were exposed for 1 hr/day for 3 consecutive days to secondary organic aerosol (SOA, a common particulate air pollutant) at 10–150 μg/m3, SOA (30 μg/m3) + ozone (65 ppb) or SOA + ozone (65 ppb) + nitrogen dioxide (NO2; 100 ppb). Daily exposure to SOA alone led to increased airway hyperresponsiveness (AHR) to methacholine with increasing SOA concentrations. Multi-pollutant exposure with ozone and/or NO2 in conjunction with a sub-toxic concentration of SOA resulted in additive effects on AHR to methacholine. Inflammatory cell recruitment to the airways was not observed in any of the exposure conditions. The ASR developed in this study allows us to evaluate the chronic health effects of relevant multi-pollutant exposures at ‘real-life’ levels under controlled conditions and permits repeated-exposure studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,064
Tête enseignante GPT0,337
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetAir Quality and Health Impacts→Travaux en français237 207→