Interaction of Cooking-Generated Aerosols on the Human Nervous System and the Impact of Caloric Restriction Post-Exposure
Notice bibliographique
Résumé
Background: The inhalation of cooking-generated aerosols could lead to translocation to the brain and impact its function; therefore, the effects of cooking-generated aerosols on healthy adults were investigated using an electroencephalograph (EEG) during the 2 h period post-exposure. Methods: To explore any changes from the impact of exposure to cooking-generated aerosols on the human brain due to the absence of food intake during exposure, we divided the study participants into three groups: (A) no food intake for 2 h (2 h-zero calorie intake), (B) non-zero calorie intake, and (C) control group (simulated cooking). Results: The ultrafine particle concentrations increased from 9.0 × 103 particles/cm3 at the background level to approximately 8.74 × 104 particles/cm3 during cooking. EEGs were recorded before cooking (step 1), 60 min after cooking (step 2), 90 min after cooking (step 3), and 120 min after cooking (step 4). Comparing the non-zero calorie group with the control group, it was concluded that exposure to cooking-generated aerosols resulted in a 12.82% increase in the alpha band two hours post-exposure, compared to pre-exposure. The results revealed that zero calorie intake after exposure mitigated the impacts of cooking-generated aerosols for the alpha, beta3, theta, and delta bands, while it exacerbated effects on the whole brain for the beta1 and beta2 bands. Conclusions: While these are short-term studies, long-term exposure to cooking-generated ultrafine particles can be established through successive short-term exposures. These results underscore the need for further research into the health impacts of cooking-generated aerosols and the importance of implementing strategies to mitigate exposure.
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 ».