MétaCan
Menu
Retour à la cohorte
Enregistrement W3196036509 · doi:10.21203/rs.3.rs-828351/v1

Assessing the external exposome of South African children using wearable passive samplers and high-resolution mass spectrometry

2021· preprint· en· W3196036509 sur OpenAlexaff
Jeremy P. Koelmel, Elizabeth Z. Lin, Kayley DeLay, Antony Williams, Yakun Zhou, Riana Bornman, Muvhulawa Obida, Jonathan Chevrier, Krystal J. Godri Pollitt

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiocideExposomeTriclosanEnvironmental chemistryEnvironmental healthEnvironmental sciencePopulationExposure assessmentToxicologyChemistryMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Children in low- and middle-income countries are often exposed to higher levels of, and more vulnerable to, the health effects of air pollution. Little is known about the diversity, toxicity, and dynamics of airborne chemical exposures at the molecular level. We developed a workflow employing state-of-the-art wearable passive sampling technology coupled with high-resolution mass spectrometry to comprehensively measure 147 children’s personal exposures to airborne chemicals in Limpopo, South Africa, as part of the VHEMBE study. 637 environmental exposures were detected, many of which have never been measured in this population, including 50 airborne chemical exposures of concern in the children, including biocides, plasticizers, organophosphates, dyes, combustion products, and perfumes. Biocides detected in wristbands included p,p' -DDT, p,p' -DDD, p,p' -DDE, propoxur, piperonyl butoxide, and triclosan. 27% of exposures were significantly different across seasons. Our study provides the first report covering hundreds of chemical exposures among African children, demonstrating chemical exposures warranting further study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,360
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207