Factors influencing metal concentrations in hair and nails during longitudinal follow-up of apprentice welders
Notice bibliographique
Résumé
The aim of this study was to determine factors influencing observed increased metal biomarkers of exposure levels in a group of 116 Quebec apprentice welders during a longitudinal follow-up of exposure. Analysis of 14 metals was carried out in hair, fingernail, and toenail samples taken from participants over the course of their welding curriculum at 6 different times. Personal and socio-demographic characteristics, lifestyle habits, and other potential confounding factors were documented by questionnaire. Multivariate linear mixed-effect models were used to assess main predictors of metal concentrations in each biological matrix including increasing time of exposure throughout the curriculum (defined as the repeated measure “time” variable”). Significant associations between repeated measure “time” variable and metal levels in hair, fingernails, and toenails were found for chromium, iron, manganese and nickel. Significant associations with “time” were also noted for arsenic levels in hair and fingernails, and for barium, cobalt and vanadium levels in fingernails and toenails. The repeated measure “time” variable, hence increasing time of exposure throughout the curriculum, was the predominant predictor of elevated biological metal levels. Reduced spaces and simultaneous activities such as oxyfuel-cutting and welding in the same welding room were suspected to contribute to higher metal levels. Age, ethnicity, and annual household income exerted an effect on metal levels and considered as confounders in the models. Variations observed in metal levels between hair and nails of apprentice welders also emphasized the relevance and importance of performing multi-matrix and multi-element biomonitoring to assess temporal variations in biological metal concentrations during welding curriculum.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».