Opportunities and Challenges From Leading Trends in a Biomonitoring Project: Canadian Health Measures Survey 2007–2017
Notice bibliographique
Résumé
Background Biomonitoring can be conducted via the assessment of the levels of chemicals in human bodies and their surroundings, for example, as in the Canadian Health Measures Survey (CHMS). This study aims to report the leading increasing or decreasing biomarker trends and determine their significance. Methods We implemented a trend analysis for all variables from the CHMS biomonitoring data cycles 1 to 5 conducted between 2007 and 2017. The associations with time and obesity were determined with linear regressions using the CHMS cycles and body mass index (BMI) as predictors. Results There were 997 unique biomarkers identified and 86 biomarkers with significant trends across cycles. Nine of the ten leading biomarkers with the largest decreases were environmental chemicals, and the levels of 1,2,3-trimethylbenzene, dodecane, palmitoleic acid, and o-xylene decreased by more than 60%. All of the ten chemicals with the largest increases were environmental chemicals, and the levels of 1,2,4-trimethylbenzene, nonanal, and 4-methyl-2-pentanone increased by more than 200%. None of the twenty biomarkers with the largest increases or decreases between cycles were associated with BMI. Conclusions Opportunities in the CHMS include the feasibility of determining the associations between biomarkers and time or BMI. The challenges include the unknown causes of trends with large magnitudes of increase or decrease and their unclear impact on Canadians’ health. We recommend that the CHMS to plan future cycles with reference to the leading trends and to measure chemicals with both human and environmental samples.
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 | 0,017 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».