A survey of arsenic, manganese, boron, thorium, and other toxic metals in the groundwater of a West Bengal, India neighbourhood
Notice bibliographique
Résumé
Around 150 million people are at risk from arsenic-contaminated groundwater in India and Bangladesh. Multiple metal analysis in Bangladesh has found other toxic elements above the World Health Organization (WHO) health-based drinking water guidelines which significantly increases the number of people at risk due to drinking groundwater. In this study, drinking water samples from the Bongaon area (North 24 Parganas district, West Bengal, India) were analyzed for multiple metal contamination in order to evaluate groundwater quality on the neighbourhood scale. Each sample was analyzed for arsenic (As), boron (B), barium (Ba), chromium (Cr), manganese (Mn), molybdenum (Mo), nickel (Ni), lead (Pb), and uranium (U). Arsenic was found above the WHO health-based drinking water guideline in 50% of these tubewells. Mn and B were found at significant concentrations in 19% and 6% of these tubewells, respectively. The maps of As, Mn, and B concentrations suggest that approximately 75% of this area has no safe tubewells. The concentrations of As, Mn, B, and many other toxic elements are independent of each other. The concentrations of Pb and U were not found above WHO health-based drinking water guidelines but they were statistically related to each other (p-value = 0.001). An analysis of selected isotopes in the Uranium, Actinium, and Thorium Radioactive Decay Series revealed the presence of thorium (Th) in 31% of these tubewells. This discovery of Th, which does not have a WHO health-based drinking water guideline, is a potential public health challenge. In sum, the widespread presence and independent distribution of other metals besides As must be taken into consideration for drinking water remediation strategies involving well switching or home-scale water treatment.
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 | 0,002 | 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) | 0,001 | 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 ».