Determination of concentration of heavy metals and metalloids in grapes grown in Gonabad vineyards and assessment of associated health risks
Notice bibliographique
Résumé
Abstract Metals and metalloids are considered as major public health hazards, they are known to accumulate in fruits, which are heavily consumed by humans because of their unique sweet taste and potential health benefits. Therefore, the aim of this study was to measure the concentration of ten heavy metals and metalloids including arsenic (As), cadmium (Cd), cobalt (Co), chromium (Cr), copper (Cu), Iron (Fe), manganese (Mn), nickel (Ni), lead (Pb) and zinc (Zn) in grapes samples grown in Gonabad vineyards and to estimate the associated health risks of metals in terms of chronic daily intake (CDI), and carcinogenic and non-carcinogenic risks by hazard quotient (HQ), hazard index (HI) and cancer risk (CR). The overall concentration of in red grapes were in range 0.07–0.5 (mean 0.14), 0.08–0.13 (mean 0.10), 0.07–0.13 (mean 0.09), 0.06–1.49 (mean 0.29), 0.52–4.12 (mean 1.65), 6.43–42.17 (mean 19.01), 0.89–4.04 (mean 1.89), 0.07–9.23 (mean 0.71), 0.07–0.37 (mean 0.18), 0.40–4.13 (mean 1.05) mg/kg dry weight for As, Cd, Co, Cr, Cu, Fe, Mn, Ni, Pb and Zn, respectively. Based on the results, cadmium for all samples and Pb in 64.7 % and As in 35.3% of the samples exceeded the FAO/WHO permissible limits. The estimated non-carcinogenic and carcinogenic risk indices showed that the results were lower than the critical value (1) and in acceptable range, respectively, therefore red grape is safe for consumption with no impact on the human health. The obtained data can be used in remediation techniques, as well as in implementing control measures of metals contamination in grapes.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».