Elemental analysis in living human subjects using biomedical devices
Notice bibliographique
Résumé
Today, patients undergoing dialysis are at low risk for aluminum-induced dementia. Workers are unlikely to experience cadmium-induced emphysema and the public's exposure to lead is an order of magnitude lower than in 1970. The research field of in vivo elemental analysis has played a role in these occupational and environmental health improvements by allowing the effects of people's chronic exposure to elements to be studied using non-invasive, painless, and relatively low-cost technology. From the early 1960s to the present day, researchers have developed radiation-based systems to measure the elemental content of organs at risk or storage organs. This reduces the need for (sometimes painful) biopsy and the risk of infection. Research and development has been undertaken on forty-nine in vivo measurement system designs. Twenty-nine different in vivo elemental analysis systems, measuring 22 different elements, have been successfully taken from design and testing through to human measurement. The majority of these systems employ either neutron activation analysis or x-ray fluorescence analysis as the basis of the measurement. In this review, we discuss eight of the successful systems, explaining the rationale behind their development, the methodology, the health data that has resulted from application of these tools, and provide our opinion on potential future technical developments of these systems. We close by discussing four technologies that may lead to new directions and advances in the whole field.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».