Characterizing Lung Particulates Using Quantitative Microscopy in Coal Miners With Severe Pneumoconiosis
Notice bibliographique
Résumé
CONTEXT.—: Current approaches for characterizing retained lung dust using pathologists' qualitative assessment or scanning electron microscopy with energy-dispersive spectroscopy (SEM/EDS) have limitations. OBJECTIVE.—: To explore polarized light microscopy coupled with image-processing software, termed quantitative microscopy-particulate matter (QM-PM), as a tool to characterize in situ dust in lung tissue of US coal miners with progressive massive fibrosis. DESIGN.—: We developed a standardized protocol using microscopy images to characterize the in situ burden of birefringent crystalline silica/silicate particles (mineral density) and carbonaceous particles (pigment fraction). Mineral density and pigment fraction were compared with pathologists' qualitative assessments and SEM/EDS analyses. Particle features were compared between historical (born before 1930) and contemporary coal miners, who likely had different exposures following changes in mining technology. RESULTS.—: Lung tissue samples from 85 coal miners (62 historical and 23 contemporary) and 10 healthy controls were analyzed using QM-PM. Mineral density and pigment fraction measurements with QM-PM were comparable to consensus pathologists' scoring and SEM/EDS analyses. Contemporary miners had greater mineral density than historical miners (186 456 versus 63 727/mm3; P = .02) and controls (4542/mm3), consistent with higher amounts of silica/silicate dust. Contemporary and historical miners had similar particle sizes (median area, 1.00 versus 1.14 μm2; P = .46) and birefringence under polarized light (median grayscale brightness: 80.9 versus 87.6; P = .29). CONCLUSIONS.—: QM-PM reliably characterizes in situ silica/silicate and carbonaceous particles in a reproducible, automated, accessible, and time/cost/labor-efficient manner, and shows promise as a tool for understanding occupational lung pathology and targeting exposure controls.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».