The Development and Use of an Innovative Laboratory Method for Measuring Arsenic in Drinking Water from Western Bangladesh
Notice bibliographique
Résumé
All of Bangladesh's approximately 10 million drinking-water tube wells must be periodically tested for arsenic. The magnitude of this task and the limited resources of Bangladesh have led to the use of low-cost, semiquantitative field kits that measure As to a relatively high 50 microg/L national drinking water standard. However, there is an urgent need to supplement and ultimately replace these field kits with an inexpensive laboratory method that can measure As to the more protective 10 microg/L World Health Organization (WHO) health-based drinking water guideline. Unfortunately, Bangladesh has limited access to atomic absorption spectrometers or other expensive instruments that can measure As to the WHO guideline of 10 microg/L. In response to this need, an inexpensive and highly sensitive laboratory method for measuring As has been developed. This new method is the only accurate, precise, and safe way to quantify As < 10 microg/L without expensive or highly specialized laboratory equipment. In this method, As is removed from the sample by reduction to arsine gas, collected in an absorber by oxidation to arsenic acid, colorized by a sequential reaction to arsenomolybdate, and quantified by spectrophotometry. We compared this method with the silver diethyldithiocarbamate [AgSCSN(CH2CH3)2] and graphite furnace atomic absorption spectroscopy (GFAAS) methods for measuring As. Our method is more accurate, precise, and environmentally safe than the AgSCSN(CH2CH3)2 method, and it is more accurate and affordable than GFAAS. Finally, this study suggests that Bangladeshis will readily share drinking water with their neighbors to meet the more protective WHO guideline for As of 10 microg/L.
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 ».