Relationship between perfluorooctanoate and perfluorooctane sulfonate blood concentrations in the general population and routine drinking water exposure
Notice bibliographique
Résumé
In regions with heavily contaminated drinking water, a significant contribution of drinking water to overall human perfluorooctane sulfonate (PFOS) and perfluorooctanoate (PFOA) exposure has been well documented. However, the relationship of PFOA/PFOS blood concentrations in the general population to routine drinking water exposure is not well characterized. This study determined the PFOA and PFOS concentrations in 166 drinking water samples across 28 cities in China. For 13 of the studied cities, PFOA and PFOS concentrations were analyzed in 847 human blood samples which were collected in parallel with the drinking water samples. The geometric mean PFOA and PFOS concentrations in drinking water were 2.5 ± 6.2 ng/L and 0.7 ± 11.7 ng/L, and population-weighted geometric mean blood concentrations were 2.1 ± 1.2 ng/mL and 2.6 ± 1.3 ng/mL, respectively. We found a significant correlation between the PFOA concentration in drinking water and blood (r = 0.87, n = 13, p < 0.001). The total daily intake of PFOA (0.24-2.13 ng/kg/day) and PFOS (0.19-1.87 ng/kg/day) were back-calculated from the blood concentrations with a one-compartment toxicokinetic model. We estimated relative source contributions (RSCs) of drinking water to total daily intake in China of 23 ± 3% for PFOA and 12.7 ± 5.8% for PFOS. Using the mean RSCs, we derived the health advisory values of 85 ng/L for PFOA and 47 ng/L for PFOS in China.
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 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 | 0,000 | 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) | 0,002 | 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 tête enseignante, 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 ».