Prenatal Exposure to Heavy Metals and Adverse Birth Outcomes: Evidence From an E‐Waste Area in China
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
Abstract Electronic waste that has not been properly treated can lead to environmental contamination including of heavy metals, which can pose risks to human health. Infants, a sensitive group, are highly susceptible to heavy metals exposure. The aim of this study was to investigate the association between prenatal heavy metal exposure and infant birth outcomes in an e‐waste recycling area in China. We analyzed cadmium (Cd), chromium (Cr), manganese (Mn), lead (Pb), copper (Cu), and arsenic (As) concentrations in 102 human milk samples collected 4 weeks after delivery. The results showed that 34.3% of participants for Cr, which exceeds the World Health Organization (WHO) guidelines, as well as the mean exposure of Cr exceeded the WHO guidelines. We collected data on the birth weight (BW) and length of infants and analyzed the association between metal concentration in human milk and birth outcomes using multivariable linear regression. We observed a significant negative association between the Cd concentration in maternal milk and BW in female infants ( β = −162.72, 95% CI = −303.16, −22.25). In contrast, heavy metals did not associate with birth outcomes in male infants. In this study, we found that 34.3% of participants in an e‐waste recycling area had a Cr concentration that exceeded WHO guidelines, and there was a significant negative association between prenatal exposure to the Cd and infant BW in females. These results suggest that prenatal exposure to heavy metals in e‐waste recycling areas may lead to adverse birth outcomes, especially for female infants.
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 | 0,001 | 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 | 0,000 | 0,000 |
| 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 découle