Metabolomics and proteomics in occupational medicine: a comprehensive systematic review
Notice bibliographique
Résumé
BACKGROUND: Occupational biomonitoring is essential for assessing health risks linked to workplace exposures. The use of 'omics' technologies, such as metabolomics and proteomics, has become crucial in detecting subtle biological alterations induced by occupational hazards, thereby opening novel avenues for biomarker discovery. AIMS: This systematic review aims to evaluate the application of metabolomics and proteomics in occupational health. METHODS: Following the PRISMA guidelines, we conducted a comprehensive search on PubMed, Scopus, and Web of Science for original human studies that use metabolomics or proteomics to assess occupational exposure biomarkers. The risk of bias was assessed by adapting the Cochrane Collaboration tool and the Newcastle-Ottawa Quality Assessment Scale. RESULTS: Of 2311 initially identified articles, 85 met the eligibility criteria. These studies were mainly conducted in China, Europe, and the United States of America, covering a wide range of occupational exposures. The findings revealed that metabolomics and proteomics approaches effectively identified biomarkers related to chemical, physical, biomechanical, and psychosocial hazards. Analytical methods varied, with mass spectrometry-based techniques emerging as the most prevalent. The risk of bias was generally low to moderate, with specific concerns about exposure measurement and confounding factors. CONCLUSIONS: Integrating metabolomics and proteomics in occupational health biomonitoring significantly advances our understanding of exposure effects and facilitates the development of personalized preventive interventions. However, challenges remain regarding the complexity of data analysis, biomarker specificity, and the translation of findings into preventive measures. Future research should focus on longitudinal studies and biomarker validation across diverse populations to improve the reliability and applicability of occupational health interventions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,013 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».