Derivation of Biomonitoring Equivalents for aluminium for the interpretation of population-level biomonitoring data
Notice bibliographique
Résumé
Aluminium is widely used in many consumer products, however the primary source of aluminium exposure to the Canadian general population is through food. Aluminium can cause neurotoxicity and reproductive toxicity at elevated exposure levels. Health-based exposure guidance values have been established for oral exposure to aluminium, including a Minimal Risk Level (MRL) by the Agency for Toxic Substances and Disease Registry (ATSDR), a Provincial Tolerable Weekly Intake (PTWI) by the Joint FAO/WHO Expert Committee on Food Additives (JECFA) and a Tolerable Weekly Intake (TWI) by the European Food Safety Authority (EFSA). Aluminium concentration in blood and urine can be used as a tool for exposure characterization in a population. A pharmacokinetic (PK) model was developed based on human dosing data to derive blood Biomonitoring Equivalents (BEs), whereas a mass balance approach was used to derive urine BEs for the above guidance values. The BEs for blood for daily intake consistent with the MRL, PTWI and TWI were 18, 16 and 8 μg/L, respectively. BEs for urine for the same guidance values were 137, 123 and 57 μg/L, respectively. The derived BEs may be useful in interpreting population-level biomonitoring data in a health risk context and thereby screening and prioritizing substances for human health risk assessment and risk management.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».