MétaCan
Menu
Retour à la cohorte
Enregistrement W7065204426

DEFINING A HAIR MERCURY LOAEL FOR NEUROTOXIC RISK TO THE UNBORN CHILD THROUGH MATERNAL FISH CONSUMPTION

2009· article· en· W7065204426 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarship@Western (Western University) · 2009
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFish consumptionPregnancyMERCURY EXPOSUREPopulationMercury (programming language)FetusFish <Actinopterygii>
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Methylmercury, whose primary source of exposure is via maternal fish consumption, can adversely affect human fetal neurodevelopment. The objectives of this diesis were threefold: 1) To systematically review the evidence of neurodevelopmental risks to the fetus from maternal fish consumption, to define a Lowest Observable Adverse Effect Level (LOAEL); 2) To measure mercury in hair of several groups including women of reproductive age, to define the proportion reaching this LOAEL; and 3) To investigate their perception of risk. We defined our LOAEL at 0.3pg/g maternal hair mercury. The Japanese population were the heaviest fish consumers, reflected by their high hair mercury content (1.7 pg/g) compared to Motherisk callers (0.41 pg/g), WIFN volunteers (0.23 pg/g) and Canadian women (0.15 pg/g). The negative perceptions of Motherisk callers were justified because 64% were above our LOAEL. Analysis of hair mercury content prior to pregnancy could be employed to protect the fetus

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,045
Tête enseignante GPT0,305
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)Même sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207