Déterminants des concentrations sériques de substances per- et polyfluoroalkyliques (PFAS) chez les enfants canadiens
Bibliographic record
Abstract
Les déterminants de l’exposition aux substances per- et polyfluoroalkyliques (PFAS) chez les enfants sont mal connus. Cette étude visait à analyser les concentrations sériques de 9 PFAS chez 204 enfants participant à l’étude MIREC-Endo ; évaluer les associations entre ces concentrations et celles dans le sérum maternel (grossesse) et le lait maternel ; évaluer les déterminants des concentrations. Nous avons effectué des statistiques descriptives des concentrations et évalué leurs associations à l’aide de corrélations de Pearson et de tests de comparaisons de moyennes. Des analyses de régression ont été faites pour quantifier l’influence de l’allaitement sur les concentrations sériques. Les moyennes géométriques de PFOS, PFOA, PFHxS, PFNA et PFDA (détectés dans >67% des échantillons) étaient de 1,37 ; 1,21 ; 0,55 ; 0,42 et 0,13 µg/L, respectivement. Les concentrations sériques de certains PFAS étaient corrélées avec les concentrations sériques maternelles (r=0,315 [PFOS], 0,314 [PFOA], 0,328 [PFHxS]) et les concentrations dans le lait (r=0,273 [PFOA], 0,509 [PFHxS], 0,237 [PFNA]). Les concentrations sériques de certains PFAS chez les enfants étaient négativement associées avec l’âge maternel à l’accouchement (PFOS, PFHxS, PFDA), le tabagisme durant la grossesse (PFNA, PFDA), l’emploi de la mère (PFOS), alors qu’elles étaient positivement associées avec le niveau d’éducation maternel (PFNA) et le revenu familial (PFOA). Nous avons observé une augmentation de 2,8% (PFOS) et 1,85% (PFOA) dans les concentrations sériques par mois d’allaitement exclusif. En conclusion, les concentrations sériques de certains PFAS chez les enfants étaient associées aux expositions périnatales, à l’âge de la mère, au revenu familial et à la durée d’allaitement.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".