Traditional Food Consumption and Other Determinants of Exposure for Lead, Cobalt, Manganese, and Hexachlorobenzene in Northern Canada
Notice bibliographique
Résumé
Results of a 2019 human biomonitoring study indicated that several parameters, including lead, cobalt, manganese, and hexachlorobenzene, were elevated in blood and urine samples in Old Crow, Yukon, in comparison to the general Canadian population. This study aims to identify possible local determinants of levels of these parameters, including consumption of locally harvested traditional foods, lifestyle factors, and demographics, in Old Crow and, for comparison, two other northern populations: communities in the Dehcho and Sahtú regions of the Northwest Territories. We ran generalized linear models to identify possible associations between individual determinants of exposure and key biomarkers, controlling for age and sex. In Old Crow, several variables were associated with elevated exposure levels of these biomarkers, including drinking untreated river water (29% higher blood manganese levels and 120% higher blood lead levels), eating caribou kidneys (22% higher blood manganese levels and 58% higher blood lead levels), and eating whitefish (28% higher blood cobalt levels). Additionally, in order to differentiate results in Old Crow from those in other northern regions and to identify trends across regions, we observed relationships between consumption of moose and caribou organs and lead and hexachlorobenzene levels in the reference populations and pooled population groups. Though levels of particular contaminants may be elevated in some traditional foods, these foods remain an important source of nutrients for members in these communities and provide other benefits, including increased physical activity through harvesting, mental health improvements, and spiritual wellness.
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 | 0,000 | 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 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 ».