Using Environmental Risk Score to study a mixture of phenols and parabens in association with gestational age in a Puerto Rican cohort
Notice bibliographique
Résumé
Background: Most studies of associations between exposure to environmental chemicals and adverse health outcomes have focused on individual chemicals in isolation. However, in reality, people are exposed to multiple chemicals simultaneously, and assessing chemical mixtures may provide more realistic risk estimates. Various phenols, parabens and triclocarban have been associated with gestational age. We explored the association of phenols and parabens as a mixture with gestational age using the Environmental Risk Score (ERS), a weighted sum of chemical concentrations. Methods: We examined 11 combined phenol, paraben and triclocarban urinary biomarkers in relation to gestational age in the Puerto Rico Testsite for Exploring Contamination Threats (PROTECT) cohort (N=515). We randomly split the dataset into training and validation sets and used elastic net regression coefficients for predicting gestational age from the training set to obtain coefficients for the ERS calculation. Individual biomarkers, biomarker-biomarker interactions and squared biomarker measures were included in the joint elastic net model. ERS was examined in association with gestational age in the validation set, while controlling for specific gravity, maternal age and socioeconomic status. Results: The biomarkers driving the ERS scores were 2,4-dichlorophenol, 2,5-dichlorophenol, benzophenone-3, triclosan, triclocarban, ethyl-, methyl- and propyl- paraben. There was a statistically significant association between ERS and gestational age, such that an increase in an ERS standard deviation was associated with a 0.45 day increase in gestational age (95% CI: 0.29, 0.62). This increase in gestational age was consistent with findings from individual chemical biomarker analyses from the same cohort. Conclusions: This study shows the utilization of ERS powered by modern machine learning tools to study multi-pollutants, while allowing for chemical interactions and correlations.
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 | 0,003 |
| 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 ».