MétaCan
Menu
Retour à la cohorte
Enregistrement W4400074938 · doi:10.1093/annweh/wxae035.099

259 Investigating welding fume exposure in professional welders using biomonitoring and metabolomics approaches

2024· article· en· W4400074938 sur OpenAlexaffabout
Ata Rafiee, Lei Pei, Emily Quecke, Bernadette Quémerais

Notice bibliographique

RevueAnnals of Work Exposures and Health · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBiomonitoringEnvironmental healthOccupational exposureEnvironmental scienceEnvironmental chemistryMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract We aimed to investigate the health effects attributed to welding fume exposure in professional welders using biomonitoring and metabolomics approaches. The cohort included 38 welders as the case group and 36 electricians as the control group, recruited from various facilities across the province of Alberta, Canada. Air sampling was performed throughout the work shift. Fasting urine samples were collected from the welders and controls. The identification of metals and metabolites in the samples was performed using Inductively Coupled Plasma Mass Spectrometry (ICP/MS) and Liquid Chromatography with Tandem Mass Spectrometry (LC-MS-MS), respectively. Data analyses were conducted using STATA version 19.0 and MetaboAnalyst version 5.0. Significantly higher levels of As, Cd, Cr, Fe, Mn, and Ni were observed in the urine of welders compared to controls (p < 0.05). Regarding the metabolomics profile, we identified 92 metabolites in the urine samples of the studied groups. Multivariate receiver operating characteristic (ROC) curve analysis identified metabolites, such as beta-hydroxybutyric acid, asparagine, ornithine, choline, propionic acid, and histidine, as biomarkers for welding fume exposure (AUC > 0.7). These metabolites exhibited significantly higher levels in welders than in controls. In addition, our findings suggest that smoking, welding experience, respirator usage, and age significantly affect the concentrations of certain urinary metabolites in professional welders. Our study highlights the potential benefits of using biomonitoring and metabolomics approaches to investigate the adverse health effects of welding fume exposure. However, we recommend further investigations to explore the underlying mechanisms of these associations and the effects of other factors. Keywords: Biomonitoring, Exposure assessment, Welding fumes, Metabolomics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,338
Tête enseignante GPT0,418
Écart entre enseignants0,079 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Work Exposures and HealthMême sujetAir Quality and Health ImpactsTravaux en français237 207