Quantitative Analysis of Potentially Toxic Elements (Pb, Cd, Co, Cr, Fe, Mn, and Ni) in Lipstick Brands Available in Mekelle Markets, Tigray, Ethiopia
Notice bibliographique
Résumé
Lipsticks, widely used cosmetic products, can be a significant source of potentially toxic elements exposure through unintentional ingestion. This poses potential long-term health risks due to the bioaccumulative nature of metals like Pb, Cd, and Cr. This study aimed to quantify the concentrations of seven potentially toxic elements (Pb, Cd, Co, Cr, Fe, Mn, and Ni) in three widely available and commonly sold lipstick brands from local markets in Mekelle, Ethiopia. Samples were prepared using a wet acid digestion method with a concentrated 5:1:1 mixture of HNO3, HCl, and H2O2 and analyzed through Flame Atomic Absorption Spectrophotometer (FAAS). Cd was not detected in any sample. The concentration ranges across all samples in ppm were: Pb (0.0400–0.1000), Co (3.740–5.570), Cr (10.62–18.05), Fe (75.00–1838), Mn (0.1500–0.1600), and Ni (12.83–51.41). The levels of Pb were well below the 10 ppm guidance limit set by international bodies like Health Canada, U.S. Food and Drug Administration (FDA), their consistent presence is a concern. However, concentrations of Cr and Ni, known sensitizers, were notable. As an intentionally added pigment, Fe showed the highest and most variable concentrations. Although the detected levels of toxic metals were within international permissible limits, their consistent presence is a public health concern. Given the direct ingestion route and frequency of application, daily use may contribute to the cumulative body burden of these metals over time. This study, though limited by a small sample size, highlights the urgent need for healthy regulatory oversight and routine quality control of cosmetics in Ethiopia. Further research is essential to assess a wider range of products and evaluate the associated health risks for consumers.
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 | 0,001 | 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 ».