A simple method based on ICP-MS for estimation of background levels of arsenic, cadmium, copper, manganese, nickel, lead, and selenium in blood of the Brazillian population
Notice bibliographique
Résumé
Throughout the world, biomonitoring has become the standard for assessing exposure of individuals to toxic elements as well as for responding to serious environmental public health problems. However, extensive biomonitoring surveys require rapid and simple analytical methods. Thus, a simple and high-throughput method is proposed for the determination of arsenic (As), cadmium (Cd), copper (Cu), manganese (Mn), nickel (Ni), lead (Pb), and selenium (Se) in blood samples by using inductively coupled plasma–mass spectrometry (ICPMS). Prior to analysis, 200 ml of blood samples was mixed with 500 ml of 10% v/v tetramethylammonium hydroxide (TMAH) solution, incubated for 10 min, and subsequently diluted to 10 ml with a solution containing 0.05% w/v ethylenediamine tetraacetic acid (EDTA) + 0.005% v/v Triton X-100. After that, samples were directly analyzed by ICP-MS (ELAN DRC II). Rhodium was selected as an internal standard with matrix-matching calibration. Method detection limits were 0.08, 0.04, 0.5, 0.09, 0.12, 0.04, and 0.1 mg//L for As, Cd, Cu, Mn, Ni, Pb, and Se, respectively. Validation data are provided based on the analysis of blood samples from the trace elements inter-\\comparison program operated by the Institut National de Santé Publique du Quebec, Canada. Additional validation was provided by the analysis of human blood samples by the proposed method and by using electrothermal atomic absorption spectrometry (ETAAS). The method was subsequently applied for the estimation of background metal blood values in the Brazilian population. In general, the mean concentrations of As, Cd, Cu, Mn, Ni, Pb, and Se in blood were 1.1, 0.4, 890, 9.6, 2.1, 65.4, and 89.3 mg/L, respectively, and are in agreement with other global populations. Influences of age, gender, smoking habits, alcohol consumption, and geographical variation on the values were also considered. Smoking habits influenced the levels of Cd in blood. The levels of Cu, Mn, and Pb were significantly correlated with gender, whereas Cu and Pb were significantly correlated with age. There were also interesting differences in Mn and Se levels in the population living in the north of Brazil compared to the south.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».