MétaCan
Menu
Retour à la cohorte
Enregistrement W2026206692 · doi:10.5539/sar.v1n2p100

Socio-economic Impacts on Human Life in Arsenic Affected Area of Basti Rasul Pur, Rahim Yar Khan, Pakistan

2012· article· en· W2026206692 sur OpenAlexvenueno aff
Lt Col Islam ul Haq, Waqas Hanif, Ghalib Hasnain, Shahid Durez

Notice bibliographique

RevueSustainable Agriculture Research · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueArsenic contamination and mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArsenic contamination of groundwaterPovertyPopulationFunctional illiteracyEnvironmental healthGeographySocioeconomicsGroundwaterEnvironmental scienceToxicologyWater resource managementEconomic growthBiologyMedicineEngineeringEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

<p>The availability and scarcity of both surface and ground water alongwith adverse impacts of contaminated water have become major problems in Pakistan. Groundwater arsenic contamination in the southern part of the country has exponentially endangered the human life and complicated the efforts to provide safe drinking water in the arsenic contaminated areas. To gauge the adverse impacts amongst the affected population, household survey in Basti Rasul Pur district Rahim Yar Khan was conducted on core socio-economic indicators such as household conditions, sex ratio, earning sources, literacy, health morbidity, water borne diseases, drinking water contamination, education, employment and unemployment, expenditure on hospitalization for drawing best possible conclusions. Resultantly, sex ratio observed was about 1.01% for adults and 9.8 % for children. A total of 77 % water samples were found with arsenic contamination, due to which 50 % people were found with arsencosis symptoms and 60% of their earnings were being spent on hospitalization. Due to poverty and illiteracy, the entire population was un-aware of the adverse impacts of drinking water arsenic contamination. There is a dire need of installation of sustainable community based arsenic mitigation technologies for provisioning of safe drinking water to affected community.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,345
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetArsenic contamination and mitigationTravaux en français237 207