将工业排放和通过饮食暴露与人类的多化纳烯负担联系起来
Yujue Yang1, Cui Li1, Lili Yang1
1State Key Laboratory of Environmental Chemistry and Ecotoxicology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, PR China; College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, PR China.
The Science of the total environment
|August 24, 2024
概括
多甲 (PCN) 是有毒的污染物. 这项研究量化了工业排放和饮食摄入对PCN体内负担的贡献,发现饮食显著影响暴露.
科学领域:
- 环境化学环境化学
- 毒理学 毒理学 毒理学
- 机器学习 机器学习
背景情况:
- 工业有毒污染物排放,饮食摄入量和健康影响之间的定量联系仍然不清楚.
- 多甲 (PCN) 是致癌的工业污染物,越来越关注环境和健康问题.
研究的目的:
- 建立一个可解释的机器学习模型,以量化工业排放和PCN饮食摄入对健康影响的贡献.
- 评估个体特征值对PCN度水平的特定贡献,使用夏普利添加剂扩展 (SHAP).
主要方法:
- 开发一个可解释的机器学习模型.
- 应用夏普利添加式解释 (SHAP) 以实现个性化的解释性.
- 来自中国的大规模PCN饮食调查数据库 (17,280个饮食和4480个母乳样本) 的分析.
主要成果:
- 在PCN饮食摄入量和身体负担之间发现了强烈的关系.
- 工业排放对母乳PCN负担贡献了12%.
- 饮食摄入量对母乳中的PCN负担贡献了52%.
结论:
- 开发的模型量化了食品消费和工业排放对PCN暴露的贡献.
- 这些发现对于准确的健康风险评估和PCN减少策略的制定至关重要.
更多相关视频
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
2.2K
08:48Analysis of the Ambient Particulate Matter-induced Chromosomal Aberrations Using an In Vitro System
Published on: December 21, 2016
8.7K
