Public Health Strategies for Western Bangladesh That Address Arsenic, Manganese, Uranium, and Other Toxic Elements in Drinking Water
Notice bibliographique
Résumé
BACKGROUND: More than 60,000,000 Bangladeshis are drinking water with unsafe concentrations of one or more elements. OBJECTIVES: Our aims in this study were to evaluate and improve the drinking water testing and treatment plans for western Bangladesh. METHODS: We sampled groundwater from four neighborhoods in western Bangladesh to determine the distributions of arsenic, boron, barium, chromium, iron, manganese, molybdenum, nickel, lead, antimony, selenium, uranium, and zinc, and to determine pH. RESULTS: The percentages of tube wells that had concentrations exceeding World Health Organization (WHO) health-based drinking water guidelines were 78% for Mn, 48% for U, 33% for As, 1% for Pb, 1% for Ni, and 1% for Cr. Individual tube wells often had unsafe concentrations of both Mn and As or both Mn and U. They seldom had unsafe concentrations of both As and U. CONCLUSIONS: These results suggest that the ongoing program of identifying safe drinking water supplies by testing every tube well for As only will not ensure safe concentrations of Mn, U, Pb, Ni, Cr, and possibly other elements. To maximize efficiency, drinking water testing in Bangladesh should be completed in three steps: 1) all tube wells must be sampled and tested for As; 2) if a sample meets the WHO guideline for As, then it should be retested for Mn and U; 3) if a sample meets the WHO guidelines for As, Mn, and U, then it should be retested for B, Ba, Cr, Mo, Ni, and Pb. All safe tube wells should be considered for use as public drinking water supplies.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».