Measurement of lead, mercury, and cadmium in blood donors in Canada
Notice bibliographique
Résumé
BACKGROUND: Fetal and neonatal exposure to lead is associated with irreversible adverse effects on neural development. There is no reliable threshold for lead effect, so limiting exposure is recommended. A significant correlation has been reported between post-transfusion blood lead level (BLL) in infants and lead levels in transfused RBC units. We measured levels of lead, mercury, and cadmium, in Canadian donor blood to investigate if concerning levels for neonatal transfusion exist. STUDY DESIGN AND METHODS: Whole blood samples from blood donors (n = 2529) were shipped cold within 7 days of donation. All permanent blood donation clinics across Canada were sampled. Twelve of these permanent clinics and 8 mobile clinics with a greater potential for having higher lead or mercury levels were oversampled. Heavy metals were measured by inductively coupled plasma mass spectrometry. RESULTS: Of all donations, 2.2% (lead) and 0.4% (mercury) had levels higher than the recommended thresholds for safe neonatal transfusion. BLLs were higher in males but there was no significant difference in the blood mercury levels of males versus females. Cadmium levels were higher in females. There was a positive correlation between donor age and levels of heavy metals, with lead having the strongest correlation (r = 0.47, p < .0001). Three clinics in close proximity to two lead-producing mines were among the clinics with the highest BLLs. Significantly higher blood mercury levels were observed in coastal clinics. CONCLUSION: Our data on donor blood heavy metal levels supports considering blood transfusion as an exposure source to heavy metals and encourages informed selection of blood units for transfusion to vulnerable groups.
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 ».