MétaCan
Menu
Retour à la cohorte
Enregistrement W2599191112 · doi:10.1680/jenes.16.00025

Alleviating health risks associated with rainwater harvesting

2017· article· en· W2599191112 sur OpenAlexvenueno aff
Sarah Ward, David Butler, Bébhinn Daly, Ann Marie Deegan, Ana Carolina Maganha de Almeida, I.A.C. Lennox

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRainwater harvestingReuseEnvironmental sciencePotable waterWater supplyWater resource managementEnvironmental engineeringWater qualityLegionellaBusinessEnvironmental planningWaste managementEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Perceived and real public health risks associated with the quality of water from alternative water sources and supply systems, such as rainwater harvesting (RWH) and grey water reuse, continue to restrict their uptake in many countries. One option to alleviate these health risks is to treat alternative water to potable standard at the point of use (POU) as opposed to the point of supply, as undertaken in centralised systems. This paper presents the results of three international empirical field trials of a novel POU RWH treatment device. The results indicate that where the harvested rainwater did not contain elevated levels of pesticides or physico-chemical determinands, the POU device was able to reduce levels in outlet water to meet UK, EU and World Health Organization potable standards. Regarding microbiological determinands, such as total viable counts and coliforms, and microbial pathogens, such as Pseudomonas aeruginosa and Legionella spp., the device achieved reduction to potable standard and full pathogen removal, respectively. Thus, while it is possible to treat harvested rainwater to potable standard with a POU device, whether it is desirable to do so to alleviate risks for all end uses remains a question for further debate.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,607

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 technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,022
Tête enseignante GPT0,229
Écart entre enseignants0,208 · 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'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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetUrban Stormwater Management SolutionsTravaux en français237 207