Average rating
Cast your vote
You can rate an item by clicking the amount of stars they wish to award to this item.
When enough users have cast their vote on this item, the average rating will also be shown.
Star rating
Your vote was cast
Thank you for your feedback
Thank you for your feedback
Authors
Fantke, Petervon Goetz, Natalie
Schlüter, Urs
Bessems, Jos
Connolly, Alison
Dudzina, Tatsiana
Ahrens, Andreas
Bridges, Jim
Coggins, Marie A
Conrad, André
Hänninen, Otto
Heinemeyer, Gerhard
Kephalopoulos, Stylianos
McLachlan, Michael
Meijster, Tim
Poulsen, Veronique
Rother, Dag
Vermeire, Theo
Viegas, Susana
Vlaanderen, Jelle
Jeddi, Maryam Zare
Bruinen de Bruin, Yuri
Type
AnimationLanguage
en
Metadata
Show full item recordTitle
Building a European exposure science strategy.Published in
J Expo Sci Environ Epidemiol 2020; 30(6):917-24PMID
31792311ae974a485f413a2113503eed53cd6c53
10.1038/s41370-019-0193-7
Scopus Count
Collections
Related articles
- The European exposure science strategy 2020-2030.
- Authors: Fantke P, Bruinen de Bruin Y, Schlüter U, Connolly A, Bessems J, Kephalopoulos S, Zare Jeddi M, van Nieuwenhuyse A, Dudzina T, Scheepers PTJ, von Goetz N
- Issue date: 2022 Dec
- Exposure modelling in Europe: how to pave the road for the future as part of the European Exposure Science Strategy 2020-2030.
- Authors: Schlüter U, Meyer J, Ahrens A, Borghi F, Clerc F, Delmaar C, Di Guardo A, Dudzina T, Fantke P, Fransman W, Hahn S, Heussen H, Jung C, Koivisto J, Koppisch D, Paini A, Savic N, Spinazzè A, Zare Jeddi M, von Goetz N
- Issue date: 2022 Jul
- Framework for developing an exposure science curriculum as part of the European Exposure Science Strategy 2020-2030.
- Authors: Connolly A, Scheepers PTJ, Coggins MA, Vermeire T, van Tongeren M, Heinemeyer G, Bridges JW, Bredendiek-Kämper S, de Bruin YB, Clayson A, Gerding J, McCourt J, Urbanus J, Viegas S, von Goetz N, Zare-Jeddi M, Fantke P
- Issue date: 2022 Oct
- Advancing exposure data analytics and repositories as part of the European Exposure Science Strategy 2020-2030.
- Authors: Kosnik MB, Kephalopoulos S, Muñoz A, Aurisano N, Cusinato A, Dimitroulopoulou S, Slobodnik J, De Mello J, Zare Jeddi M, Cascio C, Ahrens A, Bruinen de Bruin Y, Lieck L, Fantke P
- Issue date: 2022 Dec
- A research roadmap for complementary and alternative medicine - what we need to know by 2020.
- Authors: Fischer F, Lewith G, Witt CM, Linde K, von Ammon K, Cardini F, Falkenberg T, Fønnebø V, Johannessen H, Reiter B, Uehleke B, Weidenhammer W, Brinkhaus B
- Issue date: 2014
Related items
Showing items related by title, author, creator and subject.
-
WHO/ILO work-related burden of disease and injury: Protocol for systematic reviews of exposure to occupational ergonomic risk factors and of the effect of exposure to occupational ergonomic risk factors on osteoarthritis of hip or knee and selected other musculoskeletal diseases.Hulshof, Carel T J; Colosio, Claudio; Daams, Joost G; Ivanov, Ivan D; Prakash, K C; Kuijer, Paul P F M; Leppink, Nancy; Mandic-Rajcevic, Stefan; Masci, Frederica; van der Molen, Henk F; et al. (2019-01-01)
-
Industry Derived Occupational Exposure Limits: A Survey of Professionals on the Dutch System of Exposure Guidelines.Schenk, Linda; Visser, Maaike J; Palmen, Nicole G M (2019-08-24)
-
Probabilistic dietary exposure models : Relevant for acute and chronic exposure assessment of adverse chemicals via foodBoon PE; van der Voet H; VVH; V&Z (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2016-01-25)Met zogeheten innamemodellen wordt berekend in welke hoeveelheid mensen potentieel schadelijke stoffen kunnen binnenkrijgen via de voeding. Voorbeelden zijn resten van bestrijdingsmiddelen, stoffen die via het milieu in voedsel terechtkomen (zoals dioxine, cadmium, lood, kwik) en stoffen die er door verhitting in komen (zoals acrylamide en furanen). Dit rapport beschrijft de kenmerken van twee soorten modellen: voor de berekening van de inname op de korte en op de langetermijn. Met deze modellen kan de meest realistische schatting van de inname via de voeding worden verkregen die op dit moment mogelijk is. Bij de langetermijnmodellen zijn meerdere typen mogelijk. Daarom bevat de beschrijving ook een beslisboom om te kiezen welke van de drie optimaal is om de langetermijninname te berekenen. Deze keuze moet altijd worden gemotiveerd in de verslaglegging van een innameberekening. De modellen zijn alleen bruikbaar als er gegevens beschikbaar zijn over de hoeveelheid waarin bepaalde voedingsmiddelen worden gegeten en in welke concentraties de stoffen in deze voedingsmiddelen aanwezig zijn. De voedselconsumptiegegevens die hiervoor gebruikt worden, zijn afkomstig van Nederlandse voedselconsumptiepeilingen en zijn veelal voldoende om de inname van de meeste stoffen te berekenen. Dit geldt niet voor stoffen die in voedingsmiddelen zitten die zelden worden gegeten. Voor de concentratiegegevens zal per berekening moeten worden vastgesteld of het mogelijk is een inname met deze modellen te berekenen. De beschrijving is gemaakt door het RIVM en Wageningen UR Biometris. De modellen zijn beschikbaar in de software Monte Carlo Risk Assessment (MCRA). Het model om de kortetermijninname te berekenen heet de probabilistische Monte Carlo methode. De drie modellen voor de langetermijninname zijn: het Observed Individual Means (OIM) model, het LogisticNormal-Normal (LNN) model en het Model-Then-Add (MTA) model.