A State-of-the-Science Review of Mercury Biomarkers in Human Populations Worldwide between 2000 and 2018
Notice bibliographique
Résumé
Abstract Background: The Minamata Convention on Mercury provided a mandate for action against global mercury pollution. However, our knowledge of mercury exposures is limited because there are many regions and subpopulations with little or no data. Objective: We aimed to increase worldwide understanding of human exposures to mercury by collecting, collating, and analyzing mercury concentrations in biomarker samples reported in the published scientific literature. Method: A systematic search of the peer-reviewed scientific literature was performed using three databases. A priori search strategy, eligibility criteria, and data extraction steps were used to identify relevant studies. Results: We collected 424,858 mercury biomarker measurements from 335,991 individuals represented in 312 articles from 75 countries. General background populations with insignificant exposures have blood, hair, and urine mercury levels that generally fall under 5μg/L, 2 μg/g, and 3 μg/L, respectively. We identified four populations of concern: a) Arctic populations who consume fish and marine mammals; b) tropical riverine communities (especially Amazonian) who consume fish and in some cases may be exposed to mining; c) coastal and/or small-island communities who substantially depend on seafood; and d) individuals who either work or reside among artisanal and small-scale gold mining sites. Conclusions: This review suggests that all populations worldwide are exposed to some amount of mercury and that there is great variability in exposures within and across countries and regions. There remain many geographic regions and subpopulations with limited data, thus hindering evidence-based decision making. This type of information is critical in helping understand exposures, particularly in light of certain stipulations in the Minamata Convention on Mercury. https://doi.org/10.1289/EHP3904
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».