Empirical model of mesothelioma potency factors for different mineral fibers based on their chemical composition and dimensionality
Notice bibliographique
Résumé
Context: The potency of various mineral fiber types to produce mesothelioma was previously evaluated for numerous cohorts, but the differences in potencies for distinct fiber types have yet to be explained.Objective: To develop an empirical model that would reconstruct mesothelioma potency factors for various types of fiber based on their chemical composition and dimensionality.Methods: Typical chemical composition and dimensionality metrics (aspect ratios) were obtained and combined with mesothelioma potency factors estimated by Hodgson and Darnton method for Quebec chrysotile, South Africa amosite, South Africa and Australian crocidolite, Russian anthophyllite, Libby amphiboles, and Turkey erionite. The forward stepwise log–log regression method was utilized to determine the best combination of input parameters.Results: Mesothelioma potency factors (RM) for selected cohorts were effectively reconstructed utilizing the median aspect ratio of fibers and equivalent fractions of SiO2, total Fe oxides or total equivalent Fe3+ as Fe2O3, and MgO. Modeled potency factors increase as the aspect ratio, SiO2, and total Fe oxide (or Fe2O3) content grow, and as the MgO content diminishes. Correlation coefficients up to 0.999, p < 0.01, were achieved. The models also yield reasonable estimates of mesothelioma potencies for other fiber types, including Bolivian crocidolite, Russian chrysotile, fluoro-edenite, and others.Conclusion: In spite of the empirical approach, the proposed models provide a starting point for targeted studies of mesothelioma mechanisms by elucidating significant contributing physicochemical factors. The models have an exploratory and preliminary character but can potentially be useful to introduce quantitative structure–activity relationship approaches for the toxicology of fibrous minerals.
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) | 0,000 | 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 ».