Concentrations of Lead, Mercury, Selenium, and Manganese in Blood and Hand Grip Strength among Adults Living in the United States (NHANES 2011–2014)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,000 | 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 découle