MétaCan
Menu
Retour à la cohorte
Enregistrement W2785446012 · doi:10.2166/wh.2018.261

Drinking and recreational water exposures among Canadians: Foodbook Study 2014–2015

2018· article· en· W2785446012 sur OpenAlexaffabout
Rachelle Janicki, M. Kate Thomas, Katarina Pintar, Manon Fleury, Andrea Nesbitt

Notice bibliographique

RevueJournal of Water and Health · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFecal contamination and water quality
Établissements canadiensUniversity of GuelphPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésRecreationEnvironmental healthPublic healthBottled waterWater sourcePopulationWater qualityGeographyWaterborne diseasesSocioeconomicsHousehold incomeMedicineEnvironmental scienceWater resource managementEnvironmental engineeringEcology

Résumé

récupéré en direct d'OpenAlex

In Canada, over 400,000 enteric diseases related to drinking water occur each year, highlighting the importance of understanding sources of Canadians' drinking and recreational water exposures. To address this need, a population-based telephone survey of 10,942 Canadians was conducted between 2014 and 2015, assessing Canadian's drinking water sources and recreational water exposures using a seven-day recall method. Results were analyzed by province/territory, season, age group, gender, income, education, and urban/rural status. Store-bought bottled water was reported by nearly 20% of survey respondents as their primary drinking water source, while approximately 11% of respondents reported private well. The proportion of private well users was significantly greater than the national average in the Maritime Provinces where approximately 40-56% of respondents reported this as their primary drinking water source. As expected, Canadians' recreational water activities and exposures (e.g., swimming, pool, lake, and waterpark) peaked during summer and were most commonly reported among children aged 0-9 years. Waterborne disease in Canada requires a multi-faceted public health approach. Canadian baseline data on water exposures can inform policy and public health strategies (e.g., recreational water guidelines, private well water testing recommendations) and support research and risk assessment related to mitigating waterborne illness.

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 enseignants0,017
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,302
Écart entre enseignants0,272 · 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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water and HealthMême sujetFecal contamination and water qualityTravaux en français237 207