Diagnosis of manganism and manganese neurotoxicity: A workshop report
Notice bibliographique
Résumé
With declining exposures to manganese (Mn) in occupational settings, there is a need for more sensitive exposure assessments and clinical diagnostic criteria for manganism and Mn neurotoxicity. To address this issue, a workshop was held on November 12-13, 2020, with international experts on Mn toxicity. The workshop discussions focused on the history of the diagnostic criteria for manganism, including those developed by the Institut de Recherche Robert-Sauvé en Santé et en Sécurité du Travail (IRSST) in Quebec in 2005 and criteria developed by the Chinese government in 2002 and updated in 2006; the utility of biomarkers of exposure; recent developments in magnetic resonance imaging (MRI) for assessing Mn accumulation in the brain and diagnosing manganism; and potential future applications of metabolomics. The suggestions of the participants for updating manganism diagnostic criteria included the consideration of: i) A history of previous occupational and environmental exposure to Mn; ii) relevant clinical symptoms such as dystonia; iii) MRI imaging to document Mn accumulation in the neural tissues, including the basal ganglia; and iv) criteria for the differential diagnosis of manganism and other neurological conditions. Important research gaps include the characterization of Mn exposure and other co-exposures, exploration of the roles of different brain regions with MRI, understanding the complexity of metal ion transporters involved in Mn homeostasis, and a need for information on other neurotransmitter systems and brain regions underlying the pathophysiology of manganism.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».