Estimating effects of longitudinal and cumulative exposure to PFAS mixtures on early adolescent body composition
Notice bibliographique
Résumé
Few methods have been used to characterize repeatedly measured biomarkers of chemical mixtures. We applied latent profile analysis (LPA) to serum concentrations of 4 perfluoroalkyl and polyfluoroalkyl substances (PFAS) measured at 4 time points from gestation to age 12 years. We evaluated the relationships between profiles and z scores of height, body mass index, fat mass index, and lean body mass index at age 12 years (n = 218). We compared LPA findings with an alternative approach for cumulative PFAS mixtures using g-computation to estimate the effect of simultaneously increasing the area under the receiver operating characteristic curve (AUC) for all PFAS. We identified 2 profiles: a higher PFAS profile (35% of sample) and a lower PFAS profile (relative to each other), based on their average PFAS concentrations at all time points. The higher PFAS profile had generally lower z scores for all outcomes, with somewhat larger effects for males, though all 95% CIs crossed the null. For example, the higher PFAS profile was associated with a 0.50-unit lower (β = -0.50; 95% CI, -1.07 to 0.08) BMI z score among males but not among females (β = 0.04; 95% CI, -0.45 to 0.54). We observed similar patterns with AUCs. We found that a higher childhood PFAS profile and higher cumulative PFAS mixtures may be associated with altered growth in early adolescence. This article is part of a Special Collection on Environmental Epidemiology.
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 | 0,012 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».