Notice bibliographique
Résumé
Arsenic contamination of groundwater is one of the most serious environmental health disasters occurred in India. Out of an estimated 9.7 million arsenic exposed population, nearly one million are showing various forms of clinical manifestations, including cancers. The current study aims to assess the social and health vulnerability of the affected population to cope with arsenic pollution at the household and community levels. In arsenic affected villages, an extensive study has been conducted, which included household surveys, focus groups, informal discussions and interviews of concerned authorities, civil society organizations, political leaders and technical experts. Secondary data was collected by reviewing literature and policy documents. The World Health Organization’s (WHO) International Classification of Impairment, Disability and Handicap (ICIDH) was used to measure the consequences of arsenicosis. Poverty was one of the major determinants of arsenic exposure level, severity of manifestations and consequences, which has a link with a subject’s occupation, nutritional status, access to health care and good governance. The existing knowledge gap between the scientific community and local government has been the major obstacle in implementing a sustainable mitigation strategy. Social disparity (including gender) and lack of a political will have resulted in poor community participation during decision making and grass root planning respectively. Hence, several strategies cannot benefit in terms of improvement of symptoms. Rather, physical disability and disfigurement due to symptoms have made the poor more vulnerable to economic and social exclusion. The study has revealed that there is a need to incorporate the social determinants of arsenicosis in mitigation policy in order to reach out to the vulnerable section of the community.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».