Biomarkers of Genotoxicity in Medical Workers Exposed to Low-Dose Ionizing Radiation: Systematic Review and Meta-Analyses
Notice bibliographique
Résumé
Medical staff represent the largest group of workers occupationally exposed to ionizing radiation (IR). Chronic exposure to low-dose IR may result in DNA damage and genotoxicity associated with increased risk of cancer. This review aims to identify the genotoxicity biomarkers that are the most elevated in IR-exposed vs. unexposed health workers. A systematic review of the literature was performed to retrieve relevant studies with various biomarkers of genotoxicity. Subsequent meta-analyses produced a pooled effect size for several endpoints. The search procedure yielded 65 studies. Chromosome aberrations (CA) and micronuclei (MN) frequencies were significantly different between IR-exposed and unexposed workers (θpooled = 3.19, 95% CI 1.46–4.93; and θpooled = 1.41, 95% CI 0.97–1.86, for total aberrant cells and MN frequencies, respectively), which was not the case for ring chromosomes and nucleoplasmic bridges. Although less frequently used, stable translocations, sister chromatid exchanges (SCE) and comet assay endpoints were also statistically different between IR-exposed and unexposed workers. This review confirms the relevance of CA and MN as genotoxicity biomarkers that are consistently elevated in IR-exposed vs. unexposed workers. Other endpoints are strong candidates but require further studies to validate their usefulness. The integration of the identified biomarkers in future prospective epidemiological studies is encouraged.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,000 |
| 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 ».