Heavy metals contamination in eye shadows sold in Malaysia and user`s potential health risks
Notice bibliographique
Résumé
Background: Nowadays, eye shadows have become common cosmetics used by consumers. Previous studies proved that some of the eye shadows used had excessive levels of heavy metals. Objectives: The aims of this study are to (i) quantify the heavy metals concentration of lead and chromium in the eye shadows based on the color categories and types of eye shadows and (ii) assess potential non-carcinogenic health risk due exposure to heavy metals concentrations in eye shadows by using Hazard Quotient (HQ). Methodology: A conventional method using oven heating was applied to extract heavy metals from the samples. The analysis of heavy metals in the samples was performed using the Graphite Furnace Atomic Absorption Spectrophotometer (GF-AAS). The chronic non-carcinogenic health effect was evaluated quantitatively using HQ. Results: Both lead and chromium concentrations were found to be the highest in blue color category with the mean concentration of 161.8 ± 101.6 µg kg−1 and 149.4 ± 53.1 µg kg−1, respectively. The chromium levels were higher in the shimmering shade compared to the matte shade. The lead concentrations in all the samples analyzed were below the standard set by Health Canada (10 mg kg−1) and United States Food and Drug Administration (20 mg kg−1). The HQ values for chromium in all samples were less than 1. Conclusion: Lead concentrations were present within the permitted levels stated by the international standards in cosmetics intended for external use. The HQ values for chromium were less than 1 in all samples, indicating there was no significant chronic non-carcinogenic health risk to eye shadow users.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».