Analysis of chemical exposures in racial populations in Canada: An investigation based on the Canadian health measures survey
Notice bibliographique
Résumé
Despite demonstrated disparities in environmental chemical exposures by racial identity, no Canadian study has systematically assessed the feasibility of using a nationally representative dataset to examine differences in chemical concentrations by race. We assessed the feasibility and constraints of analysing chemical exposures in racial populations, including visible minorities and populations of Indigenous identity, using biomonitoring data collected through the Canadian Health Measures Survey (CHMS). Our primary objectives were to assess the ability to 1) generate geometric means and percentiles of chemical concentrations for racial populations by age or sex, 2) statistically compare concentrations among racial populations, and 3) calculate time trends of concentrations by race. We conducted these analyses for several priority chemicals: lead, cadmium, benzene, bisphenol A (BPA), and di(2-ethylhexyl) phthalate (DEHP). Survey participants self-identified as one of the following: White, Black, East and Southeast Asian, South Asian, Middle Eastern, Latin American, First Nations, Metis, and Inuit. Analyses were conducted for individual and combined cycles of the CHMS. Using data from the latest CHMS cycle in which each chemical was measured, we observed that sample sizes were sufficient to report geometric mean concentrations for all races except Inuit. Due to privacy considerations associated with small sample sizes, the 5th and 95th percentile concentrations could not be consistently reported for all racial populations in this analysis. While we were able to statistically compare concentrations among racial populations, the analysis was constrained by the limited number of statistical degrees of freedom available in a single CHMS cycle. Both of these constraints were alleviated by combining multiple cycles of data. The analysis of time trends was less subject to privacy and statistical limitations; we were able to calculate time trends of chemical concentrations for all racial populations. Our findings provide an important baseline for follow-up investigations of descriptive and etiological analyses of environmental chemical exposures and race in the CHMS.
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 | 0,002 | 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 ».