MétaCan
Menu
Retour à la cohorte
Enregistrement W2916403930 · doi:10.1289/isee.2015.2015-7559

Challenges Posed By Manganese Neurotoxicity In Latin America

2015· article· en· W2916403930 sur OpenAlexaff
Donna Mergler

Notice bibliographique

RevueISEE Conference Abstracts · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésManganeseNeurotoxicityLatin AmericansEnvironmental healthBiologyPhysiologyMedicineToxicityChemistryPolitical science

Résumé

récupéré en direct d'OpenAlex

In Latin America, several sources of environmental airborne and waterborne manganese have been identified, including manganese mining and transformation, use of manganese-based pesticides and drinking water. Studies have shown negative associations between hair manganese and cognitive function and positive associations with behavioral problems. Manganese is an essential element and as such, the study of its neurotoxicity poses several challenges, both physiologically and socially. Manganese requirements vary with sex and over the life cycle; women of childbearing age have the highest concentrations of blood manganese and they increase further during gestation. Both human and animal studies have shown sex-dependent differences in manganese neurotoxicity, which as well may differ through the lifespan. Manganese is further influenced by iron intake and metabolism, making it not only an issue of physiological interaction, but also of social inequality. In many Latin American countries, the prevalence of anemia surpasses 30% in pre-school children. This presentation will examine how studies on manganese neurotoxicity from Mexico, Ecuador, Costa Rica, and Brazil address these factors and make recommendations for future work, with a view to reduction of exposure and effects.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,084
Tête enseignante GPT0,272
Écart entre enseignants0,188 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISEE Conference AbstractsMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207