MétaCan
Menu
Retour à la cohorte
Enregistrement W2344165029 · doi:10.5539/ep.v5n1p73

Elemental Contents of Spinach and Lettuce from Irrigated Gardens in Kano, Nigeria

2016· article· en· W2344165029 sur OpenAlexvenueno aff
Ngozi I. Dike, A. C. Odunze

Notice bibliographique

RevueEnvironment and Pollution · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpinachLactucaAnimal scienceChemistryEnvironmental chemistryContaminationToxicologyNuclear chemistryHorticultureBiologyBiochemistryEcology

Résumé

récupéré en direct d'OpenAlex

One way analysis (ANOVA) was used to analyze a large dataset of elemental levels of two vegetables – spinach (<em>Amaranthus cruentus</em>) and lettuce (<em>Lactuca sativa</em>) grown around River Jakara in Kano, Nigeria using data generated during 12 months of monitoring Ca, K, Mg, Na, (essential bulk elements) Cu, Zn, Cd, Ni, Cr, Co, Pb and Fe (trace/heavy elements) concentrations collected at three designated sites. The concentrations of the elements showed insignificant differences between sites but significant differences between some months. The soil was implicated as the major source of the elements. The concentrations of the trace/heavy metals exceeded those of the international permissible limits which pointed to the contamination of the vegetables. The mean concentrations of the elements occurred in the magnitude of Ca > Mg > K > Na > Fe > Zn > Pb > Co > Cr > Cu > Ni > Cd and Ca > Na > K >Mg > Fe > Zn > Pb > Cr > Co > Cu > Ni > Cd in the spinach and lettuce respectively. The continued consumption of these vegetables by the inhabitants of Kano and its environs present a public health risk with regards to their concentrations with heavy metals. It is therefore recommended that the relevant organ of government should find an alternative farmland for the farmers within the catchment area of River Jakara where unpolluted soil can be utilized for the production of the vegetables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetHeavy metals in environmentTravaux en français237 207