Biomarkers for occupational manganese exposure
Notice bibliographique
Résumé
Long-term inhalation exposure to manganese (Mn) metal or its inorganic compounds can result in manganism or subclinical neurofunctional deficits. Studies have described affected workers in Mn dioxide mining, Mn-containing ore crushing and milling facilities, manufacturing of dry-cell batteries, Mn steel and alloy production plants, and in welders. The objective of this study was to critically review existing evidence on the reliability of potential biomarkers of Mn exposure, specifically the relationship between inhalation exposure to Mn particulates in different occupational settings and Mn concentrations in blood and other biological fluids and tissues, with a particular focus on whole blood as a potentially useful medium for measuring internal tissue dose. We also examined available evidence on the relationship between Mn levels in blood and adverse clinical and subclinical neurotoxic outcomes. Three bibliographic databases were searched for relevant studies and identified references were screened by two independent reviewers. Of the 6338 unique references identified, 76 articles were retained for data abstraction. Findings indicate that the relationships between Mn in blood and both external Mn exposure indices and neurofunctional impairments are limited and inconsistent. Different sources of exposure to Mn compounds, heterogeneity in the methodological approaches, and inadequate reporting of essential information limited direct comparison of the reported findings. Among the Mn-exposure biomarkers considered in this review - including biomarkers in blood, plasma, serum, erythrocytes, urine, bone, toenails, fingernails, hair, saliva - biomarkers in whole blood may provide to be most useful in Mn biomonitoring and risk assessment.
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 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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».