Cardiovascular and inflammatory mechanisms in healthy humans exposed to air pollution in the vicinity of a steel mill
Notice bibliographique
Résumé
There is a paucity of mechanistic information that is central to the understanding of the adverse health effects of source emission exposures. To identify source emission-related effects, blood and saliva samples from healthy volunteers who spent five days near a steel plant (Bayview site, with and without a mask that filtered many criteria pollutants) and at a well-removed College site were tested for oxidative stress, inflammation and endothelial dysfunction markers. Biomarker analyses were done using multiplexed protein-array, HPLC-Fluorescence, EIA and ELISA methods. Mixed effects models were used to test for associations between exposure, biological markers and physiological outcomes. Heat map with hierarchical clustering and Ingenuity Pathway Analysis (IPA) were used for mechanistic analyses. Mean CO, SO 2 and ultrafine particles (UFP) levels on the day of biological sampling were higher at the Bayview site compared to College site. Bayview site exposures “without” mask were associated with increased ( p < 0.05) pro-inflammatory cytokines (e.g IL-4, IL-6) and endothelins (ETs) compared to College site. Plasma IL-1β, IL-2 were increased ( p < 0.05) after Bayview site “without” compared to “with” mask exposures. Interquartile range (IQR) increases in CO, UFP and SO 2 were associated with increased ( p < 0.05) plasma pro-inflammatory cytokines (e.g. IL-6, IL-8) and ET-1 (1–21) levels. Plasma/saliva BET-1 levels were positively associated ( p < 0.05) with increased systolic BP. C-reactive protein (CRP) was positively associated ( p < 0.05) with increased heart rate. Protein network analyses exhibited activation of distinct inflammatory mechanisms after “with” and “without” mask exposures at the Bayview site relative to College site exposures. These findings suggest that air pollutants in the proximity of steel mill site can influence inflammatory and vascular mechanisms. Use of mask and multiple biomarker data can be valuable in gaining insight into source emission-related health impacts.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».