Nanomaterials and nanoparticles: Sources and toxicity
Notice bibliographique
Résumé
This review is written with the goal of informing public health concerns related to nanoscience, while raising awareness of nanomaterials toxicity among scientists and manufacturers handling them. We show that humans have always been exposed to nanoparticles and dust from natural sources and human activities, the recent development of industry and combustion-based engine transportation profoundly increasing anthropogenic nanoparticulate pollution. The key to understanding the toxicity of nanoparticles is that their minute size, smaller than cells and cellular organelles, allows them to penetrate these basic biological structures, disrupting their normal function. Among diseases associated with nanoparticles are asthma, bronchitis, lung cancer, neurodegenerative diseases (such as Parkinson`s and Alzheimer`s diseases), Crohn`s disease, colon cancer. Nanoparticles that enter the circulatory system are related to occurrence of arteriosclerosis, and blood clots, arrhythmia, heart diseases, and ultimately cardiac death. We show that possible adverse effects of nanoparticles on human health depend on individual factors such as genetics and existing disease, as well as exposure, and nanoparticle chemistry, size, shape, and agglomeration state. The faster we will understand their causes and mechanisms, the more likely we are to find cures for diseases associated with nanoparticle exposure. We foresee a future with better-informed, and hopefully more cautious manipulation of engineered nanomaterials, as well as the development of laws and policies for safely managing all aspects of nanomaterial manufacturing, industrial and commercial use, and recycling.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».