Abstract 4354457: Environmental Toxic Metal Exposure and Change in the Cardiac Biomarkers among US adults from 2015-2023: A Trend and Mixture Approach
Notice bibliographique
Résumé
Background: Toxic metal exposure is a growing public health concern due to its potential long-term effects on cardiovascular health. However, limited studies have evaluated the cumulative effects of metal mixtures on cardiac biomarkers in a nationally representative population. Objective: To examine the association between exposure to a mixture of environmental toxic metals and changes in cardiac biomarkers C-reactive protein (CRP), high-density lipoprotein (HDL), and total cholesterol (TC) among US adults. Methods: Data are obtained from three pooled survey data from the National Health and Nutrition Examination Survey (NHANES) 2015–2023, comprising 21730 adult participants. Cardiac biomarkers include CRP, HDL, and TC. Exposure variables consist of blood levels of lead, cadmium, mercury, manganese, and selenium. Weighted Quantile Sum (WQS) regression is used to estimate the effect of metal mixtures on cardiac biomarkers. Trend analysis is performed across NHANES cycles using survey-weighted generalized linear models. Results: The study population has a mean age of 42.1 years (SD: 20.9). Among cardiac biomarkers, the weighted mean (SD) of CRP is 3.46 mg/L (7.06), HDL is 53.95 mg/dL (15.40), and total cholesterol (TC) is 182.64 mg/dL (41.26). For toxic metal exposures, mean levels are lead 0.94 µg/dL (SD: 1.06), cadmium 0.36 µg/L (SD: 0.47), mercury 1.12 µg/L (SD: 1.82), manganese 9.90 µg/L (SD: 3.64), and selenium 2.35 µg/L (SD: 0.35). Trend analysis shows a statistically significant increase in CRP levels over time (p = 0.002), while HDL and TC showed no significant trends (p > 0.45). In multivariable WQS models, toxic metal mixture exposure is significantly associated with all three cardiac biomarker changes. Specifically, a per-quantile increase in toxic metal mixture is associated with a 6.57% (4.00% - 9.20%) increase in CRP levels, a 3.17% (2.47% - 3.87%) increase in HDL, and a 7.01% (6.37% - 7.65%) increase in total cholesterol. Manganese (64.9%) and cadmium (32.2%) have a high contribution in CRP, while lead and mercury primarily influence HDL and TC. Conclusions: Exposure to mixtures of toxic metals is significantly associated with increases in key cardiac biomarkers, including CRP, HDL, and TC. These findings suggest that even low-level environmental exposure may have cumulative effects on cardiovascular health over time. Further studies should focus on longitudinal studies to reduce environmental metal exposure in vulnerable populations.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».