Human Health Risk Assessment: Arsenic Exposure Risks in Bangladesh
Notice bibliographique
Résumé
Arsenic-caused cancers in Bangladesh, arising from both water and food sources of arsenic (As) are characterized. The results indicate countrywide incremental As cancer cases as 1.27 million, a number which will increase by 1.2% per year unless a sustainable removal technology for As from groundwater is implemented. The site-specific magnitude of the incremental cancer, driven by local groundwater conditions is demonstrated where, for example, in Chandpur, 4% of the districts’ population will develop cancer due to As intake. On average, 46% of the As body burden for Bangladeshis comes directly from water and 54% from food, although the range of percentages varies significantly from one district to the next, from a low of 0% water-based intake (indicating entire body burden from food sources) in the district of Dhaka, to a high of 91% in Chandpur. It is noteworthy that residents of Dhaka, since they are only exposed to food-related As, will see an estimated 42,000 incremental cancer cases. Treating drinking water to the Bangladeshi standard of 50µg/L would decrease incremental cancer cases in Bangladesh by 353,000; further reduction to the WHO standard of 10µg/L would reduce the number of incremental cancer cases by an additional 298,000.
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 ».