Iron- and protein rich diets may boost hemoglobin levels among informal electronic waste recyclers exposed to metals at Agbogbloshie, Ghana
Notice bibliographique
Résumé
While human exposure to metals may play a role in the pathogenesis of anemia, consumption of balanced diets may boost blood hemoglobin (Hb) levels in humans. Although informal electronic waste (e-waste) recycling processes have recently drawn attention as an important source of pollution, there is almost no empirical evidence on the relationship between diet, metals exposure and anemia among e-waste recyclers. Therefore, we evaluated possible ameliorating effects of diet on metal exposure related anemia, as measured by Hb levels of e-waste recyclers and a reference population in Ghana. This repeated measure study used data collected from e-waste recyclers (n=142) and a reference population (n=65) between March 2017 and October 2018. Stored whole blood samples were analyzed for the following metals; Cd, Pb, Rb, Tb, Tl, and Eu. Next, Hb levels were analysed using the URIT-810® semi-automatic biochemistry analyzer. Furthermore, a 48-hour dietary recall questionnaire was administered to assess dietary intake parameters such as protein, folate, carbohydrates, Fe, Ca, Mg, Se, Zn, and Cu. Ordinary regression models were used to estimate joint effects of metals and nutrients on Hb levels. At baseline, the mean Hb was lower among recyclers (12.99 ± 3.17g/dL) than the reference group (13.02±2.37g/dL). Blood Pb, Cd, Rb, Eu and Tb were associated with significant decreases in Hb levels of e-waste recyclers. Dietary intake of proteins and Fe was associated with concomitant increase in Hb levels of both groups as well as when analysis was restricted to recyclers. Despite the high exposure of e-waste recyclers to a myriad of metals, consumption of Fe-rich diets appears to ameliorate anaemia and improved Hb levels (β=0.229; 95% CI: 0.013, 0.445; p=0.04). Therefore, the consumption of Fe and protein-rich foods may boost blood Hb levels in e-waste recyclers, even though exposure to high levels of metals is a predictor of anemia among this worker-group.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».