Per-\nand Polyfluoroalkyl Substances in Dust Collected\nfrom Residential Homes and Fire Stations in North America
Notice bibliographique
Résumé
Over the past few years, human exposure\nto per- and polyfluoroalkyl\nsubstances (PFAS) has garnered increased attention. Research has focused\non PFAS exposure via drinking water and diet, and fewer studies have\nfocused on exposure in the indoor environment. To support more research\non the latter exposure pathway, we conducted a study to evaluate PFAS\nin indoor dust. Dust samples from 184 homes in North Carolina and\n49 fire stations across the United States and Canada were collected\nand analyzed for a suite of PFAS using liquid and gas chromatography–mass\nspectrometry. Fluorotelomer alcohols (FTOHs) and di-polyfluoroalkyl\nphosphoric acid esters (diPAPs) were the most prevalent PFAS in both\nfire station and house dust samples, with medians of approximately\n100 ng/g dust or greater. Notably, perfluorooctanesulfonic acid (PFOS),\nperfluorooctanoic acid (PFOA), perfluorohexane sulfonate, perfluorononanoic\nacid, and 6:2 diPAP were significantly higher in dust from fire stations\nthan from homes, and 8:2 FTOH was significantly higher in homes than\nin fire stations. Additionally, when comparing our results to earlier\npublished values, we see that perfluoroalkyl acid levels in residential\ndust appear to decrease over time, particularly for PFOA and PFOS.\nThese results highlight a need to better understand what factors contribute\nto PFAS levels in dust and to understand how much dust contributes\nto overall human PFAS exposure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».