A Bayesian Benchmark Dose Analysis for Manganese in Drinking Water and IQ in Children Based on Pooled Data from Two Studies in Canada
Notice bibliographique
Résumé
Background: Manganese (Mn) is an essential nutrient but can be neurotoxic at high exposure levels. We carried out two cross-sectional studies on the relation between water Mn levels and IQ in children. Although this metal is commonly found in drinking water, few jurisdictions have adopted a health-based guideline to limit its concentration. The Bayesian Benchmark Dose Analysis System (BBMD) can be used to estimate the level of exposure associated with a predefined health risk in a probabilistic framework.Objective: To pool samples from two studies and use BBMD to estimate the water Mn level associated with predefined levels of cognitive impairment in children, i.e. reduction of 1 and 2 IQ points.Methods: Data from two studies were pooled resulting in a sample of 630 children (ages 6-13 years). We sampled each participant's home tap water and measured Mn concentration. The performance IQ (PIQ) score was used as the primary outcome. The BBMD is based on Bayesian statistics featuring Markov Chain Monte Carlo algorithms for model fitting, parameter and quantity of interest estimation. The weight-averaged median estimate and the lower bound of the credible interval (BMDL) of multiple commonly used dose-response models are reported.Results: The concentration of Mn in drinking water associated with a decrease of 1 PIQ point was 120 μg/L (BMDL, 69 μg/L); for a decrease of 2 PIQ points, this concentration was 243 μg/L (BMDL, 140 μg/L). Different associations for water Mn and PIQ were found between sexes, so stratified analyses were also conducted. The Mn concentration associated with a decrease of 1 and 2 PIQ points in boys was 174 and 354 μg/L (BMDL, 68 and 138 μg/L) and 72 and 94 μg/L (BMDL, 9 and 19 μg/L) for girls.Conclusion: A maximum acceptable concentration for manganese in drinking water should be set to protect children, the most vulnerable population for Mn neurotoxicity. The present risk analysis can guide the decision-makers regulating water quality.
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 | 0,001 | 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) | 0,000 | 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 ».