Association Between Depression and Urinary Heavy Metal Levels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Growing concerns about heavy metal pollution due to urbanization and industrialization have highlighted potential links between heavy metal levels and neurological disorders, including depression. This project aims to investigate the relationship between urinary heavy metal levels and depression status. Methods: The US National Health and Nutrition Examination Survey (NHANES) 2011-2018 data were used. Depression was assessed using a nine-item version of the Patient Health Questionnaire (PHQ-9), with a cut-off point of 10 for depression cases. 13 urinary heavy metals were included. Both univariate analyses, the weighted Wilcoxon test and weighted logistic regression with heavy metal variables transformed into quintiles, and multivariate analyses, Classification and Regression Tree (CART) and random forest, were conducted to investigate the association. Results: The weighted Wilcoxon test found higher levels of cadmium (Cd), antimony (Sb), tin (Sn) and tungsten (Tu) and lower levels of mercury (Hg) and arsenic (As) in the depression group. Weighted logistic regression revealed higher depression risks in the fifth quintile of Cd, the third, fourth and fifth quintiles of Sb, and the third and fifth quintiles of Tu levels. Lower risk was detected in the fifth quintile of As levels. Multivariate analysis identified Sn, Cd, As, cesium (Cs), and thallium (Tl) as crucial metals for classifying depression. Conclusion: In conclusion, this project reveals the complex relationship between urinary heavy metals and depression. Depression was associated with different sets of metals depending on the testing method used, and additional investigation is required to explore the potential interactions.
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.
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 | 0,003 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle