Assessing welding fume exposure in professional welders: An exploratory study of biomarkers and metabolomic profiles
Notice bibliographique
Résumé
Welding fumes exposure is associated with various detrimental health consequences including cardiopulmonary diseases and cancer. We assessed welding fume exposure using biomonitoring, metalomics, and metabolomics. 38 professional welders (exposed) and 36 power line technicians (non-exposed) were recruited from various facilities in Alberta, Canada. Air sampling and urine collection were conducted. Metal levels were quantified using Inductively Coupled Plasma Mass Spectrometry (ICP-MS). Metabolites were quantified using Liquid Chromatography tandem Mass Spectrometry (LC-MS-MS). Receiver operating characteristic (ROC) curve analysis and linear mixed models (LMM) were performed using STATA 19.0 and MetaboAnalyst 5.0. Short-term and cumulative doses were calculated using air sampling data in the modified Environmental Protection Agency (EPA) method. Elevated urinary levels of As, Cr, Fe, Mn, and Ni were observed in welders than in the non-exposed group (p˂0.05). Among the metabolites, beta-hydroxybutyric acid, arginine, asparagine, choline, and ornithine were proposed as potential biomarkers for welding fume exposure (AUC>0.7). ROC results identified metabolites associated with welding experience and smoking. LMM identified smoking as the main predictor of urinary Fe, Mn, and V, while short-term Cr and Sb doses predicted their urinary levels; welders' urinary metabolites were mainly influenced by welding experience and smoking. Our study highlights the potential benefits of biomonitoring and metabolomics to assess the health effects of welding fume exposure. However, relatively small sample size and lacking biomarkers exploration by sex limit the generalizability of findings. Further investigation is recommended to explore the underlying mechanisms and the effects of other factors on the metabolomics profile in professional welders. • Welding fume exposure was assessed using biomarkers of exposure and metabolomics. • Ni and Mn proposed as biomarkers of exposure associated with welding experience. • Positive correlations were found between particle cumulative dose and metabolites. • Welding experience and smoking predicted levels of urinary metals and metabolites. • Urinary metabolites may help early detection of welding fume-related health risks.
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 | 0,001 | 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 ».