A Machine Learning–Based Clustering Analysis to Explore Bisphenol A and Phthalate Exposure from Medical Devices in Infants with Congenital Heart Defects
Notice bibliographique
Résumé
BACKGROUND: Plastic-containing medical devices are commonly used in critical care units and other patient care settings. Patients are often exposed to xenobiotic agents that are leached out from plastic-containing medical devices, including bisphenol A (BPA) and phthalates. Given the potential health implications, there is an urgent need for a comprehensive understanding of this exposure. OBJECTIVES: This multi-institutional study aimed to determine the time-dependent concentrations and analyze the exposure patterns of bisphenol A (BPA) and phthalate metabolites in urine obtained from infants with congenital heart defects (CHD) undergoing cardiac surgery during the perioperative period. METHODS: We collected daily urine samples from infants with CHD undergoing cardiac surgery during the perioperative period (from birth to 21 d) and measured BPA, di(2-ethylhexyl)phthalate (DEHP) metabolites (MEHP, MEHHP, MEOHP, MECPP), and non-DEHP phthalate metabolites (MBP, MBzP, MMP, MEP, MCPP) using ultra-high-performance liquid chromatography-tandem mass spectrometry. Machine learning-based cluster analysis was utilized to analyze these time-dependent data. RESULTS: Utilizing a machine learning-based clustering approach, six distinct clustering groups were identified among infants exhibiting similar time-series toxicokinetic exposure patterns. These distinct clustering groups correlated with the utilization of extracorporeal membrane oxygenation (ECMO) and cardiopulmonary bypass (CPB), as well as the intensity of medical care. Notably, clustering groups associated with ECMO use demonstrated elevated levels of urinary BPA and DEHP metabolites compared to those without ECMO use, a trend not observed with non-DEHP metabolites. Moreover, peak concentrations in toxicokinetic profiles were associated with intensity of medical care. DISCUSSION: Our findings suggest that dynamic changes of urinary BPA and DEHP metabolites corresponded to the type and number of medical devices used in infants. Further studies are needed to investigate the potential toxicological risks of infants with CHD undergoing cardiac surgery exposed to these chemicals in medical devices. https://doi.org/10.1289/EHP15034.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».