MétaCan
Menu
Retour à la cohorte
Enregistrement W2990018851 · doi:10.1289/isesisee.2018.p03.3300

Accessing Biobanks to Obtain Human Biomonitoring Data

2018· article· en· W2990018851 sur OpenAlexaffabout
Innocent Jayawardene, Kristin Macey, Jean-François Paradis, Stéphane Bélisle, Devika Poddalgoda, Sabit Cakmak, Marie-Pier Lafontaine, Noureen Lalji, Robert Dales

Notice bibliographique

RevueISEE Conference Abstracts · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensHealth Canada
Organismes subventionnairesnon disponible
Mots-clésBiomonitoringBiobankContaminationPopulationReproducibilityEnvironmental scienceSample preparationEnvironmental chemistryChemistryEnvironmental healthMedicineChromatographyBioinformaticsBiology

Résumé

récupéré en direct d'OpenAlex

Background: The use of human biomonitoring data allows direct and more precise assessment of the distribution of exposure in a given population. In Canada, biomonitoring data in the general population has been continuously measured since 2007, by the Canadian Health Measures Survey (CHMS). Integrated within the CHMS, the biobank is a nationally representative cohort to facilitate novel health research.Objective: Some of the Chemical Management Plan’s priority substances; Al, Bi, Ce, Cr, Ge, La, Li, Nd, Pr, Ti, Te and Y were not included in the CHMS. After obtaining approval from relevant authorities, approx. 6000 whole blood samples from the CHMS biobank were accessed to determine metal concentrations by Inductively Coupled Plasma Spectrometry.Method: Resultant concentrations were expected to be at ppt or ppb levels. The main challenges were: possible leaching of metals from storage and associated materials, non-homogeneity of blood samples, transportation of samples and analytical issues related to testing a large batch of samples in the absence of data for comparison. Leaching was addressed by sequential testing of de-ionized water and blood, mimicking the procedure from the withdrawal of the blood samples, storage and analysis. Non-homogeneity of the samples and possible contamination during analysis were addressed by reproducibility studies. Throughout the project (1.5 years), accuracy, recovery, reproducibility, and contamination were assessed using Certified Blood Reference Materials, a control spiked blood sample, and Method Blanks along with each analytical batch.Results: Recoveries were in an acceptable range of 70-130%; the majority between 80-120%, with an inter assay CV% ranging from 3-11%. Leach testing showed no contamination from the storage or associated materials used for Bi, Ce, Cr, Ge, La, Li, Nd, Pr, Te, except for Y, which had minor contamination close to the detection limit from materials associated with blood withdrawal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0030,005
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0420,038

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 Opus0,140
Tête enseignante GPT0,380
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISEE Conference AbstractsMême sujetHeavy metals in environmentTravaux en français237 207