Wastewater-based epidemiology to assess human exposure to personal care and household products – A review of biomarkers, analytical methods, and applications
Notice bibliographique
Résumé
Humans are nowadays exposed to numerous chemicals in our day-to-day life, including parabens, UV filters, phosphorous flame retardants/plasticizers, bisphenols, phthalates and alternative plasticizers, which can have different adverse effects to human health. Estimating human's exposure to these potentially harmful substances is, therefore, of paramount importance. Human biomonitoring (HBM) is the existing approach to assess exposure to environmental contaminants, which relies on the analysis of specific human biomarkers (parent compounds and/or their metabolic products) in biological matrices from individuals. The main drawback is its implementation, which involves complex cohort studies. A novel approach, wastewater-based epidemiology (WBE), involves estimating exposure from the analysis of biomarkers in sewage (a pooled urine and feces sample of an entire population). One of the key challenges of WBE is the selection of biomarkers which are specific to human metabolism, excreted in sufficient amounts, and stable in sewage. So far, literature data on potential biomarkers for estimating exposure to these chemicals are scattered over numerous pharmacokinetic and HBM studies. Hence, this review provides a list of potential biomarkers of exposure to more than 30 widely used chemicals and report on their urinary excretion rates. Furthermore, the potential and challenges of WBE in this particular field is discussed through the review of pioneer WBE studies, which for the first time explored applicability of this novel approach to assess human exposure to environmental contaminants. In the future, WBE could be potentially applied as an "early warning system", which could promptly identify communities with the highest exposure to environmental contaminants.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».