MétaCan
Menu
Retour à la cohorte
Enregistrement W2474882976 · doi:10.1021/acs.est.6b01912

Evaluating the Effects of Full and Partial Lead Service Line Replacement on Lead Levels in Drinking Water

2016· article· en· W2474882976 sur OpenAlexafffund
Benjamin F. Trueman, Eliman Camara, Graham A. Gagnon

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Exposure and Toxicity
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLead (geology)Environmental scienceLead exposureService (business)Lead poisoningLead timeEnvironmental engineeringEnvironmental healthRisk analysis (engineering)BusinessEngineeringOperations managementMedicineTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

Lead service line replacement (LSLR) is an important strategy for reducing lead exposure via drinking water, but jurisdictional issues can sometimes interfere with full replacement of the lead line. The effects of full and partial LSLR on lead levels were assessed using 5 × 1-L sample profiles collected at more than 100 single-unit residences. Profiles comprised four sequential standing samples (L1-L4) and a free-flowing sample (L5) drawn after a 5 min flush of the outlet. At 45 sites with full lead service lines, 90th percentile lead levels in standing samples ranged from 16.4 to 44.5 μg L(-1) (L1 and L4, respectively). In the free-flowing sample (L5), 90th percentile lead was 9.8 μg L(-1). Within 3 days, full LSLR had reduced L3-L5 lead levels by more than 50%, and within 1 month, lead levels were significantly lower in every liter of the sample profile. Conversely, partial LSLR more than doubled premises plumbing (L1, L2) lead release in the short term and did not reduce L1, L2 lead release in the long term. Even 6 months after partial LSLR, 27% of first-draw lead levels were greater than 15 μg L(-1) (the U.S. EPA action level), compared with 13% pre-replacement.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,282
Écart entre enseignants0,259 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations58
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetHeavy Metal Exposure and ToxicityTravaux en français237 207