Adjusting urinary chemical biomarkers for hydration status during pregnancy
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
One way of assessing a population's exposure to environmental chemicals is by measuring urinary biomarker concentrations, which can vary depending on the hydration status of the individual. The physiological changes that occur during pregnancy can impact the hydration adjustment approaches, such as calculating the individual's urinary flow rate (UFR), or adjusting concentrations using specific gravity (SG) or creatinine. A total of 1260 serial spot urine samples were collected from 80 women, averaging 32.4 years of age, throughout and shortly after pregnancy. The relationship between each approach was examined and time of day and across pregnancy differences were tested using linear mixed models. The correlation between the calculated excretion rate and each of the adjustment techniques was examined on a selection of seven phthalate metabolites. Based on the linear mixed model results, we found that UFR and creatinine excretion rates differed systematically across the population, with respect to body mass index (BMI) and time. SG differed with respect to BMI, but there were no systematic time trends. SG had the highest within-person reproducibility, according to the intraclass correlation coefficient (ICC). The excretion rate of each of the phthalates was most strongly correlated with the SG-standardized concentration. This analysis showed that SG showed a slightly better within-person reproducibility and the least amount of systematic variation when compared to creatinine adjustment. Therefore, SG correction appears to be a favorable approach for correcting for the hydration status of the pregnant women from this cohort.
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 | 0,002 | 0,002 |
| 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 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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