Mapping global exposure to POPs in human milk through multivariate fingerprinting
Notice bibliographique
Résumé
Many persistent organic pollutants (POPs) in human milk present environmental and health concerns, particularly for vulnerable populations such as breastfed infants. This study applied a data exploration dimensionality reduction workflow using Uniform Manifold Approximation and Projection (UMAP) for POP measurements in human milk. This approach focuses on identifying and comparing the compositional patterns-or 'fingerprints'-of POPs rather than just measuring their concentrations. The UMAP approach revealed detailed variations in POP fingerprints that were not detectable with traditional univariate approaches. UMAP approach also improves upon other multivariate approaches, such as hierarchical cluster analysis (HCA) and principal component analysis (PCA). Unlike previous studies focusing solely on concentration differences, UMAP identified distinct regional and economic POP fingerprints. Lower-income countries showed POP fingerprints dominated by DDT-related compounds, while higher-income regions showed distinct fingerprints with greater contributions from PCBs and other legacy pollutants. Temporal analysis captured shifts in POP fingerprints after 2001, corresponding with the expansion from initial focus on PCDD, PCDF, and PCB to the broader group of the original 12 POPs listed under the Stockholm Convention. These results demonstrate how dimensionality reduction techniques, particularly UMAP, can distinguish compositional POP fingerprints across geospatial, temporal, and economic factors, providing a comparative framework for understanding global exposure patterns.
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) | 0,001 | 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 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 ».