Évaluation de l’exposition à des contaminants organiques et inorganiques d’une cohorte d’enfants d’une population de la classe moyenne semi-urbaine de l’est du Canada
Bibliographic record
Abstract
Les populations humaines sont exposées à de multiples contaminants tel que les pesticides, les composés pharmaceutiques, les retardateurs de flammes, les métaux, les microplastiques. De nombreux contaminants sont présents dans l’environnement à faible concentration et font rarement l’objet d’une législation. Il a été toutefois prouvé que malgré leur faible concentration, ces contaminants peuvent avoir des effets négatifs sur les organismes exposés. L’effet de perturbation endocrinienne à la suite d’une exposition chronique à de faibles concentrations de certains contaminants est de plus en plus pointé du doigt comme une cause potentielle de problème de santé. Ce problème est encore plus préoccupant chez les enfants, qui sont particulièrement sensibles aux contaminants puisque leur métabolisme et leur développement neurologique sont plus rapides que les adultes. Plusieurs études ont entrepris de suivre l’exposition à de multiples contaminants au cours du développement neurologique chez les enfants. Toutefois, ces études restent marginales et concernent surtout des cohortes à priori sensibles à l’exposition, telles que les communautés à faible revenu ou les populations des grands centres urbains. Il y a un manque important de données sur l’exposition des enfants issues de population de classes moyennes et de villes de taille moyenne, car elles sont considérées, à priori, comme moins à risque. Cependant, ces populations représentent une fraction importante des populations en Amérique du Nord et au Canada. L’évaluation de l’exposition aux contaminants chez l’humain peut se faire via l’analyse de différentes matrices afin de comprendre diverses interactions entre les contaminants et l’organisme. Les selles offrent l’avantage d’être une matrice dont l’échantillonnage est non invasif qui permet d’évaluer l’exposition aux contaminants environnementaux à court terme. Les selles donnent également un aperçu de l’exposition du microbiome intestinale, qui joue un rôle important dans le développement neurologique via l’axe intestin-cerveau. Les ongles et les cheveux permettent de collecter de l’information sur l’exposition à moyen et long terme (plusieurs mois), principalement pour les contaminants inorganiques. L’objectif de cette étude consiste à caractériser l’exposition aux contaminants environnementaux d’une cohorte canadienne d’enfants issues d’une ville de taille moyenne, semi-urbaine et de classe socioéconomique moyenne (cohorte GESTE, Sherbrooke, Qc). Des analyses exhaustives de contaminants incluant près d’une centaine de contaminants organiques, de diverses classes chimiques, ont été analysées dans différentes matrices humaines (selles, ongles, cheveux). L’objectif principal est de caractériser l’exposition des enfants à des composés organiques d’intérêt (xénobiotiques), pesticides organophosphorés, pesticides néonicotinoïdes, des triazines, des composés pharmaceutiques, ainsi que des contaminants inorganiques (métaux) en utilisant les selles comme matrice de référence. L’objectif secondaire est d’analyser la composition élémentaire d’ongles et de cheveux d’enfant de la cohorte GESTE à 2, 6 et 10 ans afin d’évaluer l’exposition au cours du développement. Les résultats montrent que les enfants de la cohorte GESTE sont à faible risque d’exposition. Les concentrations de contaminants organiques et inorganiques mesurées sont comparables voire inférieur, selon les cas, aux données rapportées dans la littérature pour des cohortes de pays développés, et inférieurs aux valeurs rapportées pour des groupes à risques (pays en voie de développement, milieu défavorisé). Cela s’explique sans doute par des régulations environnementales plus strictes et l’accès à des technologies d’assainissement plus efficaces limitant l’exposition des populations dans les pays développés. Cependant, les basses concentrations rapportées ne signifient pas que l’exposition est sans conséquence pour le développement des enfants de la cohorte GESTE, car les résultats montrent également que les enfants sont exposés de manière chronique à de très nombreux contaminants, notamment organiques, dont les effets à long terme restent peu connus.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".