Longitudinal Associations between Prenatal Exposure to Phthalates and Steroid Hormones in Maternal Hair Samples from the SEPAGES Cohort
Notice bibliographique
Résumé
We assessed phthalate-hormone associations in 382 pregnant women of the new-generation SEPAGES cohort (2014-2017, France) using improved exposure and outcome assessments. Metabolites from seven phthalate compounds and the replacement di(isononyl)cyclohexane-1,2-dicarboxylate (DINCH) were measured in within-subject pools of repeated urine samples collected at the second and third pregnancy trimesters (≈21 samples/trimester). Metabolites from five steroid hormones were measured in maternal hair samples collected at delivery, reflecting cumulative levels over the previous weeks to months. Adjusted linear regression and Bayesian weighted quantile sum (BWQS) mixture models were performed. Each doubling in third-trimester urinary mono-benzyl phthalate (MBzP) concentrations was associated with an average increase of 13.3% (95% CI: 2.65, 24.9) for ∑cortisol, 10.0% (95% CI: 0.26, 20.7) for ∑cortisone, 17.3% (95% CI: 1.67, 35.4) for 11-dehydrocorticosterone, and 16.2% (95% CI: 2.20, 32.1) for testosterone, together with a suggestive 10.5% (95% CI: -1.57, 24.1) increase in progesterone levels. Each doubling in second-trimester urinary di-isononyl phthalate (DiNP) concentrations was inversely associated with testosterone levels (-11.6%; 95% CI: -21.6, -0.31). For most hormones, a nonsignificant trend toward a positive phthalate mixture effect was observed in the third but not in the second trimester. Our study showed that exposure to some phthalate metabolites, especially MBzP, may affect adrenal and reproductive hormone levels during pregnancy.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».