MétaCan
Menu
Retour à la cohorte
Enregistrement W4414531119 · doi:10.1080/10807039.2025.2557592

Distribution and potential health risks of perfluoroalkyl substances (PFAS) in dairy and egg products in Guangzhou

2025· article· en· W4414531119 sur OpenAlexaff
Lili Huang, Hongfeng Zhang, Yuting Qin, Yuhua Zhang, Yan Li, Zhijun Bai, Yanyan Wang, Florence Mhungu, Weiwei Zhang

Notice bibliographique

RevueHuman and Ecological Risk Assessment An International Journal · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePer- and polyfluoroalkyl substances research
Établissements canadiensHorizon Health Network
Organismes subventionnairesnon disponible
Mots-clésDistribution (mathematics)Milk productsHuman healthAnimal health

Résumé

récupéré en direct d'OpenAlex

Poly- and perfluoroalkyl substances (PFAS) are widely studied for their potential toxicity and environmental prevalence. In Guangzhou, South China, PFAS research has focused mainly on environmental samples and aquatic products, with limited data on contamination in commercial foods. This study measured PFAS levels in 104 food products sold in Guangzhou—59 dairy and 45 egg products—using isotope dilution LC-MS/MS. Dietary exposure and health risks were assessed for three age groups: 3–6 years, 7–19 years, and adults. Perfluorooctane sulfonate (PFOS; 6.7%, ND–1.51 ng/g) and perfluorooctanoic acid (PFOA; 3.3%, ND–1.72 ng/g) were detected only in hen eggs. Perfluorononanoic acid (PFNA) appeared in 79.3% of pasteurized milk (ND–0.83 ng/mL) and 100% of fermented milk (0.16–0.49 ng/mL). Perfluorobutanesulfonic acid (PFBS) was the dominant compound in egg products, found in 83.3% of hen eggs (ND–0.83 ng/g) and 93.3% of quail eggs (ND–0.43 ng/g). Health risk assessments indicate no risk from consuming these dairy and egg products for the general population, though children showed higher exposure to PFDS from fermented milk (hazard quotient 0.849). This first age-specific risk assessment of PFAS in local foods provides essential data to guide region-specific dietary safety standards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,045
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,048
Tête enseignante GPT0,397
Écart entre enseignants0,349 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman and Ecological Risk Assessment An International JournalMême sujetPer- and polyfluoroalkyl substances researchTravaux en français237 207