The Michigan-West Africa Geohealth Hub: Environmental Exposures Due to Informal E-Waste Recycling Activities and the Health of Workers
Notice bibliographique
Résumé
Overview: The West Africa-Michigan CHARTER II GEOHealth Hub, jointly funded by the US NIH/FIC and Canada’s IDRC, integrates research and research training activities of West African Anglophone and Francophone institutions, with support from the University of Michigan and McGill University. Research Goal: To increase multi-disciplinary understanding of the risks associated with waste recycling, and to use study findings to inform evidence-based implementation activities and policy options at multi-levels. Specific Objectives: Include: 1) characterize work-related, time-varying, job-specific exposures of electronic waste recycling workers at the Agbogbloshie site, and assess biological markers of dose, to metals, organic compounds, and markers of combustion products; 2) provide estimates of potentially increased lifetime, work-exposure-associated cancer risks; and, 3) evaluate associations of exposures with measures of acute and chronic respiratory morbidity in workers. Methodology: A longitudinal design in which we enrolled a combined total of 151 study participants over a 3-week period. We collected and are analyzing, repeated measures across seasons for each participant: 1) biological samples for a) metals, b) organic compounds including flame retardants, polycyclic aromatic hydrocarbons, dioxin-related compounds, and 2) personal air monitoring, through a combination of real-time measurements and analysis of size-specific samples collected on filters, including markers of combustion products. Results: Preliminary filter-based data show that e-waste workers have breathing zone PM2.5 concentrations of 135 ± 188 µg m-3 (mean ± st. dev., n = 89) compared to 45 ± 18 µg m-3 (n = 43) of controls; these worker exposures are considerably higher than levels obtained using area monitoring at the waste site, e.g., 84 ± 24 µg m-3 (n = 9). Based on real-time measurements, burning tasks resulted in exceptionally high PM2.5 exposures.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».