Exposure to incense burning, biomarkers, and the physical health of temple workers in Taiwan
Notice bibliographique
Résumé
increases inflammatory cytokine levels and can induce respiratory diseases. This study examined the association between incense burning exposure and the health status, especially inflammatory biomarkers, of temple workers and volunteers in Taiwan. The longitudinal observational study compared adult temple workers and volunteers, with long-term incense burning exposure, to residents from outpatient clinics in the Chiayi area. Forced expiratory volume in 1 s (FEV1) and serum and exhaled breath condensate (EBC) cytokines were assessed. Nonparametric Mann-Whitney U tests were used to compare cytokine levels of the exposure and control groups during the cold and hot weather seasons. FEV1 was significantly more diminished in the exposed group than in the control group during the cold season. Exposure status was associated with greater hot-cold seasonal differences in serum interleukins (IL)-1β (regression coefficient (B) = 6.6, 95% confidence interval (CI) = 5.0 to 8.3, p < .001), IL17-A (B = 2.4, 95% CI = 0.3 to 4.5, p = .03), and plasminogen activator inhibitor [PAI]-1 (B = 5.4, 95% CI = 1.5 to 9.3, p = .009). After adjusting for confounders, the groups' serum levels of IL-1β, IL-17A, and PAI-1 significantly differed. EBC cytokines did not show significant differences. Elevated levels of IL-1β, IL17-A, and PAI-1 have been associated with various autoinflammatory syndromes and diseases. Given the cultural significance of incense burning, culturally sensitive interventions, including education, policy development, and program implementation, are crucial to protect individuals' health, especially temple workers, from the adverse effects of exposure, addressing the manufacture, importation, and sale of incense.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| 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 ».