Water Quantity and Quality Dimensions in Public and Environmental Health Among the Maasai of Amboseli Area, Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A comprehensive water situation analysis is critical in understanding linkages between environmental health, people and livelihoods. This study examined water and public health issues among the Maasai of Kimana near Amboseli National Park. Data was collected on the status, and trends in water quality and quantity, their causes and impacts to the local community using field assessment, interviews with local communities and laboratory analysis on water quality. Results indicated water quantity and quality were declining, and this was attributed to increase in human population, prevalence of irrigated agriculture, and recent climatic changes. The decline was thought to be contamination from human and livestock waste, proximity of homes to water sources, poor sanitation practices, agro – chemicals pollution, high levels of suspended solids and particulate matter. There was a general lack of enforcement by relevant agencies responsible for conservation and use of water resources. Due to communal ownership of resources and lack of resource stewardship, environmental degradation has become prevalent causing soil erosion which contributes to water contamination and sedimentation. A decline in water quantity and quality has led to increased prevalence of waterborne diseases such as dysentery, amoebiosis and typhoid. Therefore the water situation in the Kimana area is leading to negative consequences on the health of local communities. Appropriate intervention strategies are needed to promote sustainable water use and safeguard public health in the area.
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.
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 | 0,006 | 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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle