Exposure to organophosphate esters in elderly people: Relationships of OPE body burdens with indoor air and dust concentrations and food consumption
Notice bibliographique
Résumé
Human exposure to OPEs is pervasive and should be of great concern due to associations with adverse health effects, especially in susceptible populations. In this study, body burdens and exposure pathways of OPEs were investigated for 76 healthy elderly people in Jinan, China based on the measured OPE and metabolite concentrations in human bio-samples (whole blood and urine) and paired environmental matrices (air and dust), as well as food frequency questionnaire. Eight of 16 OPEs and 5 of 11 metabolites were detected in > 50% of whole blood and urine samples, respectively. Tri(1-chloro-2-propyl) phosphate (TCIPP), tris(2-chloroethyl) phosphate (TCEP), tri-phenyl phosphate (TPHP), and 2-ethylhexyl di-phenyl phosphate (EHDPP) were frequently detected and abundant in whole blood, while their corresponding metabolites were detected at low frequencies or levels in urine. The reduced metabolic and/or excretory capacity of elderly people may be an important reason, implying a higher health risk to them. Fourteen OPEs had over 50% detection frequencies in indoor air and dust, while 6 di-esters in indoor dust. Tris(2-ethylhexyl) phosphate (TEHP) in indoor dust and tri-n-butyl phosphate (TnBP) in indoor air were positively correlated with paired levels in blood but not with their metabolites (BEHP and DnBP) in urine. Combined with the direct intakes of BEHP and DBP from dust, blood is indicated as more suitable biomarker for TEHP and TnBP exposure. High consumption frequencies of several foods were associated with higher blood concentrations of three OPEs and urinary levels of four di-OPEs, indicating the importance of dietary exposure pathway. Estimated daily total intakes of OPEs via inhalation, dust ingestion, and dermal absorption ranged from 2.78 to 42.0 ng/kg bw/day, which were far less than the reference dosage values. Further studies were warranted to explore the potential health effects of OPE exposure in the elderly populations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».