Chemical contaminant exposures assessed using silicone wristbands among occupants in office buildings in the USA, UK, China, and India
Notice bibliographique
Résumé
Little is known about chemical contaminant exposures of office workers in buildings globally. Complex mixtures of harmful chemicals accumulate indoors from building materials, building maintenance, personal products, and outdoor pollution. We evaluated exposures to 99 chemicals in urban office buildings in the USA, UK, China, and India using silicone wristbands worn by 251 participants while they were at work. Here, we report concentrations of polychlorinated biphenyls (PCBs), polybrominated diphenyl ethers (PBDEs) and other brominated flame retardants (BFRs), organophosphate esters (OPEs), phthalates and phthalate alternatives, pesticides, and polycyclic aromatic hydrocarbons (PAHs). First, we found major differences in office worker chemical exposures by country, some of which can be explained by regulations and use patterns. For example, exposures to several pesticides were substantially higher in India where there were fewer restrictions and unique malaria challenges, and exposures to flame retardants tended to be higher in the USA and UK where there were historic, stringent furniture flammability standards. Higher exposures to PAHs in China and India could be due to high levels of outdoor air pollution that penetrates indoors. Second, some office workers were still exposed to legacy PCBs, PBDEs, and pesticides, even decades after bans or phase-outs. Third, we identified exposure to a contemporary PCB that is not covered under legacy PCB bans due to its presence as an unintentional byproduct in materials. Fourth, exposures to novel BFRs, OPEs, and other chemicals commonly used as substitutes to previously phased-out chemicals were ubiquitous. Fifth, some exposures were influenced by individual factors, not just countries and buildings. Phthalate exposures, for example, were related to personal care product use, country restrictions, and building materials. Overall, we found substantial country differences in chemical exposures and continued exposures to legacy phased-out chemicals and their substitutes in buildings. These findings warrant further research on the role of chemicals in office buildings on worker health.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».