Global Access to Safe Water: Accounting for Water Quality and the Resulting Impact on MDG Progress
Notice bibliographique
Résumé
Monitoring of progress towards the Millennium Development Goal (MDG) drinking water target relies on classification of water sources as "improved" or "unimproved" as an indicator for water safety. We adjust the current Joint Monitoring Programme (JMP) estimate by accounting for microbial water quality and sanitary risk using the only-nationally representative water quality data currently available, that from the WHO and UNICEF "Rapid Assessment of Drinking Water Quality". A principal components analysis (PCA) of national environmental and development indicators was used to create models that predicted, for most countries, the proportions of piped and of other-improved water supplies that are faecally contaminated; and of these sources, the proportions that lack basic sanitary protection against contamination. We estimate that 1.8 billion people (28% of the global population) used unsafe water in 2010. The 2010 JMP estimate is that 783 million people (11%) use unimproved sources. Our estimates revise the 1990 baseline from 23% to 37%, and the target from 12% to 18%, resulting in a shortfall of 10% of the global population towards the MDG target in 2010. In contrast, using the indicator "use of an improved source" suggests that the MDG target for drinkingwater has already been achieved. We estimate that an additional 1.2 billion (18%) use water from sources or systems with significant sanitary risks. While our estimate is imprecise, the magnitude of the estimate and the health and development implications suggest that greater attention is needed to better understand and manage drinking water safety.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 ».