Concentrations of Lead, Mercury, Selenium, and Manganese in Blood and Hand Grip Strength among Adults Living in the United States (NHANES 2011–2014)
Notice bibliographique
Résumé
Exposure to lead and mercury can cause deficits in neuromotor function. Selenium and manganese are essential elements, hence both deficiency and excess could result in decreased neuromotor function. We aimed to examine hand grip strength, a marker of neuromotor function, and blood concentrations of lead, mercury, selenium, and manganese in the general U.S. population. We used data from the National Health and Nutrition Examination Survey (NHANES, 2011-2014) on 6199 participants ages 20-79 years. We assessed associations of blood concentration for these elements and grip strength with generalized regression models, and cubic splines to detect possible nonlinear relations, adjusting for confounders. The results showed that mercury and manganese were not associated with grip strength. Lead was associated with weaker grip strength in women (for 10-fold increase in lead, -2.4 kg; 95% CI: -4.2, -0.5), but not in men. Higher selenium was associated with stronger grip strength in women (8.5 kg; 95% CI: 1.9, 15.1) and men (4.6; 95% CI: -11.9, 21.0), although the association was not significant in the latter. In conclusion, lead exposure was associated with weaker grip strength in women, even at the low exposure levels in the population. Furthermore, low blood selenium level was associated with weaker grip strength, suggesting that some individuals might have selenium deficiency manifesting with poorer neuromotor function.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».