Relative contribution of rice and fish consumption to bioaccessibility-corrected health risks for urban residents in eastern China
Notice bibliographique
Résumé
There are global concerns about dietary exposure to metal(loid)s in foods. However, little is known about the relative contribution of rice versus fish to multiple metal(loid) exposure for the general population, especially in Asia where rice and fish are major food sources. We compared relative contributions of rice and fish consumption to multi-metal(loid) exposure on the city-scale (Nanjing) and province-scale in China. The effects of ingestion rate, metal(loid) level, and bioaccessibility were examined to calculate modeled risk from Cu, Zn, total As (TAs), inorganic As (iAs), Se, Cd, Pb, and methylmercury (MeHg). Metal(loid) levels in rice and fish samples collected from Nanjing City were generally low, except iAs. Metal(loid) bioaccessibilities in fish were higher than those in rice, except Se. Calculated carcinogenic risks induced by iAs intake (indicated by increased lifetime cancer risk, ILCR) were above the acceptable level (1 0 −4 ) in Nanjing City (median: 3 × 10 −4 for female and 4 × 10 −4 for male) and nine provinces (1.4 × 10 −4 to 5.9 × 10 −4 ) in China. Rice consumption accounted for 85.0% to 99.8% of carcinogenic risk. The non-carcinogenic hazard quotients (HQ) for single metals and hazard index (HI) for multi-metal exposure were < 1 in all cases, indicating of their slight non-carcinogen health effects associated. In Guangdong and Jiangsu provinces, results showed that rice and fish intake contributed similarly to the HI (i.e., 42.6% vs 57.4% in Guangdong and 54.6% vs 45.4% in Jiangsu). Sensitivity analysis indicated that carcinogenic risk was most sensitive to rice ingestion rate and rice iAs levels, while non-carcinogenic hazard (i.e., HQ and HI) was most sensitive to ingestion rate of fish and rice, and Cu concentration in rice. Our results suggest that rice is more important than fish for human dietary metal(loid) exposure risk in China, and carcinogenic risk from iAs exposure in rice requires particular attention.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».