Environmental exposure to multiple chemical elements in Peruvian populations: a review of selected studies
Notice bibliographique
Résumé
<ns4:p>Background Population-based exposure assessments for heavy metals and metalloids (by governmental and private institutions) are common in Peru, but most studies generally focus on the analysis of a single chemical element, like lead or mercury, and lack an appropriate reference regarding the health impact on the exposed population. The complex/mixed chemical interactions within the human body have not yet been studied for all long-term health effects. Methods We reviewed laboratory results from five studies, between 2005-2013, that analysed multiple elements (between 13 and 17 chemical elements in each study) in spot urine samples from Peruvian communities considered exposed and not exposed. All laboratory analysis were performed using inductively coupled plasma mass spectrometry (ICP-MS) at the Environmental Health Laboratory Division of the Centers for Disease Control and Prevention (CDC) of the United States. Results Six chemical elements (total arsenic, caesium, cobalt, lead, molybdenum, and thallium) were present in almost all spot urine samples (>98% of participants), evidencing exposure (qualitative assessment). Exposure to other chemical elements like barium, cadmium, tungsten, antimony and uranium, varied among localities, while chemical elements like beryllium and platinum were rarely detected (<3% and <10% of participants, respectively) in spot urine samples. Most geometric means of urine concentration for total arsenic, lead, cadmium and mercury are higher for the Peruvian locations than for national estimates in Canada and the United States, but not in all locations. Conclusion Comparing averages across different populations can be misleading but comparing periodic values from the same population in the future could evidence an exposure trend. Future studies are needed to develop reference levels for exposed Peruvian populations. This study highlights potential health risks from exposure to environmental chemical elements and can be the first step towards understanding and mitigating human exposure to heavy metals and metalloids for known exposed populations in Peru.</ns4:p>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».