O6D.1 Inflammatory markers in the plasma of firefighters heavily exposed to particulates
Notice bibliographique
Résumé
Introduction In 2016 firefighters from Alberta, Canada deployed to a catastrophic fire in Fort McMurray. In the first few days, firefighters experienced heavy smoke exposures during greatly extended work shifts. Blood samples were collected to determine whether inflammatory markers might constitute a useful biomarker of exposure. In first responders exposed during the Word Trade Center disaster, inflammatory markers in serum samples collected within 6 months post-event were associated with poor recovery from exposure-related lung disorders. Methods Blood samples were collected at two fire services. At Service A, first samples were drawn two weeks from the start of the fire and second samples after 3–4 months. At Service B samples were collected over 4 weeks, starting 4 months from the first exposure. Samples were immediately centrifuged and the plasma stored at −80C before being evaluated for 42 cytokines or chemokines using a multiplex assay. A principal component analysis was carried out to reduce the number of correlated outcomes. Exposure to particulates was estimated for each firefighter using environmental PM2.5, total hours exposed, tasks carried out and the use of respiratory protection. Respiratory symptoms immediately before the fire, immediately post fire and at 4 months were collected using visual analogue (VA) scales. Results Inflammatory markers were assayed for 242 plasma samples from 175 firefighters. Six components were extracted of which only one, labelled the inflammatory marker component (IMC) was related to estimated exposure (p<0.001): values decreased with time since last exposure (p<0.001). All respiratory symptoms post-fire were greater in those with higher estimated PM2.5. IMC scores were independently related to cough and wheeze at 4 months, but the biomarker did not contribute to models for these endpoints that also included PM2.5. Conclusions Inflammatory markers were related to exposure but did not improve prediction of symptoms in the first months post fire.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».