Environmental contaminants in Arctic human populations: Trends over 30 years
Notice bibliographique
Résumé
INTRODUCTION: Arctic Monitoring and Assessment Programme (AMAP) monitors persistent organic pollutant (POP) levels in the Arctic populations and assesses health effects related to exposure to them. Many internationally regulated POPs persist in humans and biota, while new Emerging Contaminants of Arctic Concern (ECAC), many of which are unregulated, present additional challenges. Biomonitoring offers valuable insights into temporal trends within human matrices, revealing critical information not only about the efficacy of international regulations but also serving as an early warning system for exposure and risks for human health. METHODS: Data analyzed in this study is aggregated data presented in the AMAP Human Health in the Arctic assessments, which provide data on contaminant concentrations measured in human matrices from adults, and children across various population studies conducted in the Arctic since the 1980 s. Linear regression analyses were used to assess trends of various POPs including organochlorine (OCPs), polychlorinated biphenyls (PCBs), polybrominated diphenyl ethers (PBDEs) and per- and polyfluoroalkyl substances (PFAS), measured over time from the Arctic populations in Finland, Norway, Sweden, Denmark, Iceland, Canada and Alaska (USA). RESULTS: Overall, decreasing trends were observed for PCBs and OCPs. Regulated PFAS showed decreasing trends, but increasing trends were observed for unregulated PFAS in certain populations. PBDEs showed decreasing or inconsistent trends in certain Arctic populations. CONCLUSIONS: Decreasing trends are observed for legacy POPs, but the trends for new emerging contaminants are inconsistent. More focus is needed on biomonitoring the new emerging contaminants of concern in the Arctic and their implications on human health.
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) | 0,144 | 0,005 |
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 ».