Integrating Monitoring and Biomonitoring Data with Mechanistic Models to Better Estimate and Characterize Aggregate Human Exposures to Semivolatile Organic Chemicals
Notice bibliographique
Résumé
Humans are exposed to many chemicals from multiple sources through various pathways. Many semivolatile organic chemicals (SVOCs) are ubiquitous in indoor environments, but the extent of exposure and relative importance of different pathways (near-field or far-field) are uncertain. Here, 37 SVOCs with measured concentrations in indoor media are used in conjunction with a mass balance indoor fate, exposure, and toxicokinetic model to 1) estimate exposures from indoor environments, 2) incorporate measured dietary (far-field) exposures, 3) evaluate modeled biological concentrations in blood and urine against previously published human biomonitoring (HBM) estimates, 4) calculate the relative importance of different exposure pathways, and 5) demonstrate the value of using models and monitoring data to estimate aggregate exposure for human health assessment. All model calculated blood and urine concentrations are within 2 orders of magnitude of HBM values, and 73% are within 1 order of magnitude. The method explicitly considers uncertainty in measured indoor concentrations and mouthing-mediated ingestion (MMI). When median measured chemical concentrations in dust and MMI are used for modeling, far-field dietary intake is determined to be the dominant contributor to the overall exposure for almost all investigated SVOCs. However, when modeling with higher (third quartile reported) measured chemical concentrations in dust and ∼ 3x higher dust ingestion rates, near-field sources result in exposures for some SVOCs that are comparable to or exceed contributions from far-field exposure pathways. The model also addresses measurement data gaps and, combined with the monitoring data, provides a method to estimate chemical emission rates.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».