MétaCan
Menu
Retour à la cohorte
Enregistrement W2808892280 · doi:10.3390/ijerph15061293

Deriving A Drinking Water Guideline for A Non-Carcinogenic Contaminant: The Case of Manganese

2018· article· en· W2808892280 sur OpenAlexafffund
Mathieu Valcke, Marie-Hélène Bourgault, Sami Haddad, Michèle Bouchard, Denis Gauvin, Patrick Levallois

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensUniversité LavalInstitut National de Santé Publique du Québec
Organismes subventionnairesInstitut National de Santé Publique du QuébecUniversité Laval
Mots-clésManganesePercentileGuidelineEnvironmental healthIngestionToxicityToxicologyInhalationTolerable daily intakeWater treatmentEnvironmental scienceBody weightMedicineChemistryEnvironmental engineeringBiologyPathologyStatisticsMathematicsAnesthesiaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Manganese is a natural contaminant of water sources. It is an essential oligo-element, which may exert toxicity at high doses, particularly via inhalation. Its toxicity by the oral route is less known, but epidemiological and experimental studies tend to support its neurodevelopmental toxicity in infants and children. This paper describes the method used by a middle-size public health institution to derive a Drinking Water Guideline (DWG) for manganese. After reviewing the work done by major public health institutions, authors confirmed the use of experimental data to derive a point-of-departure (POD) of 25 mg of manganese/kg/day, based on neurodevelopmental effects on pup rats. Then, a total uncertainty factor of 450 was applied to calculate a Toxicological Reference Value (TRV) of 55 µg/kg/day. The final DWG proposed for manganese is 60 µg/L and is based on a relative source contribution (RSC) of water of 20% and an infant drinking scenario of 182 mL/kg of body weight (BW) of water (95th percentile of the ingestion rate distribution for 0⁻6 months). Despite its limitations, e.g., starting with the work done by other agencies, such an approach demonstrates in a transparent way the rationale and challenging choices made by regulators when deriving a DWG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,793

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,377
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207