MétaCan
Menu
← Retour à la cohorte
Enregistrement W7021170451

Modélisation toxicocinétique de terres rares pour l’interprétation de données de biosurveillance

2021· other· fr· W7021170451 sur OpenAlexfundno aff

Notice bibliographique

RevueOpen MIND · 2021
Typeother
Languefr
DomaineImmunology and Microbiology
ThématiqueImmunotoxicology and immune responses
Établissements canadiensnon disponible
Organismes subventionnairesHealth Canada
Mots-clésTheriaDerogationAcute chest syndrome
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La modélisation toxicocinétique est un outil efficace pour évaluer le devenir de contaminants dans l’organisme animal ou humain. Elle peut, entre autres, servir à reconstituer une exposition à ces contaminants dans le cadre d’études de biosurveillance de l’exposition populationnelle. Ce mémoire porte sur le développement d’un modèle toxicocinétique qui permet de relier des doses d’exposition aux métaux rares, aux concentrations dans le sang et les tissus ainsi qu’aux quantités excrétées de l’organisme. Ce modèle a été développé pour des terres-rares abondantes dans l’environnement et jusqu’ici peu étudiées: l’yttrium (Y), le cérium (Ce), le praséodyme (Pr) et le néodyme (Nd). Il est utile pour reconstruire des doses absorbées à partir de données dans des matrices biologiques accessibles comme l’urine et le sang et aider à mieux interpréter des données de biosurveillance de l’exposition à des contaminants. De nouvelles données expérimentales obtenues à partir d’études expérimentales chez le rat combinées à des données de la littérature ont servi à développer le modèle. Celui-ci comprend 20 compartiments représentant différents organes, la circulation sanguine, l’urine et les fèces. Les paramètres du modèle incluent des coefficients de transfert entre les compartiments, qui décrivent la vitesse de transfert d’un compartiment à l’autre et donc la cinétique de ces métaux. Un système d’équations différentielles a été utilisé pour décrire les échanges entre les compartiments. Une fois les paramètres déterminés à partir de la littérature et par ajustement aux données expérimentales acquises, le modèle a donné une bonne adéquation aux données expérimentales disponibles sur les profils temporels des quatre métaux dans le sang, l’urine et les fèces, ainsi que sur les niveaux présents dans les organes au sacrifice. Ce modèle a ensuite servi à dériver un niveau biologique correspondant à une dose critique établie à partir d’études de toxicité chez le rat, soit la dose maximale sans effet nocif observé (NOAEL) chez le rat utilisée par la U.S. Environmental Protection Agency (U.S. EPA) pour établir des doses de référence par ingestion provisoires (p-RfD) chez l’humain à ne pas dépasser pour prévenir des effets sur la santé. Le modèle a ainsi été utilisé pour dériver les niveaux urinaires de métaux rares dans des collectes de 24 h et les concentrations urinaires correspondantes suite à la simulation d’une exposition quotidienne répétée par voie orale à cette dose critique (NOAEL) chez l'animal jusqu'à ce que l'état d'équilibre soit atteint. Afin d’obtenir une valeur biologique limite chez l’humain définie comme « équivalent biologique ou BE (de l’anglais : Biomonitoring Equivalent) », le facteur d’incertitude de 1000 utilisé par la U.S. EPA pour extrapoler le NOAEL animal à une dose de référence RfD chez l’humain a été utilisé pour les éléments disponibles. Les niveaux urinaires pouvant servir d’équivalents biologiques (BE) ont ainsi été établis à 0.03 et 0.07 µg/L pour le Pr et Nd uniquement. Les niveaux biologiques de métaux rares dans des populations exposées (niveaux urinaires ici) peuvent donc être directement comparés avec ces BE pour vérifier si des mesures devraient être prises pour réduire l’exposition. L’approche de modélisation peut être appliquée à d’autres terres rares dans une approche plus complète d’évaluation des risques associés à l’exposition à ces contaminants émergents. Il est aussi possible de recalculer les BE pour de nouvelles doses critiques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,310
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetImmunotoxicology and immune responses→Travaux en français237 207→