MétaCan
Menu
Retour à la cohorte
Enregistrement W2900590230 · doi:10.1080/10807039.2018.1536520

Water quality and Human Health Risk Assessment: a case study of the Czarna Przemsza River source in Zawiercie, Poland

2018· article· en· W2900590230 sur OpenAlexaboutno aff
Olga Janoska, Agnieszka Gruszecka‐Kosowska

Notice bibliographique

RevueHuman and Ecological Risk Assessment An International Journal · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésWater qualityEnvironmental scienceHealth riskHuman healthRisk assessmentHealth risk assessmentEnvironmental chemistryToxicologyEnvironmental healthPotable waterEnvironmental engineeringChemistryMedicineBiology

Résumé

récupéré en direct d'OpenAlex

The water quality of the Czarna Przemsza River source in Zawiercie was investigated in four sampling campaigns in years 2016 and 2017. Values of 62 indicators (physico-chemical, inorganic, organic, and biological) were compared with permissible limits for drinking water according to Polish legal acts and EU, WHO, USEPA, and Canadian guidelines. The water quality was determined as below good because of EC values and As, Ca, Cd, Cr, Cu, Se, and Zn concentrations. Water was also determined as non-potable due to exceeded concentrations of Al, As, Cd, Cr, Fe, K, Ni, Pb, Sb, and Se. The Human Health Risk Assessment for Zawiercie’s inhabitants was carried out, while water from the source is consumed regardless of its quality. The mean estimated daily intake (EDI) values exceeded Minimal Risk Level values forCr, Cd, As, Se, and Cu. The hazard index (HI) values pointed very high total non-carcinogenic risk in residential exposure scenario generated mainly by As, Cr(VI), Tl, Pb, MCPA, Se, and Cd. Water intake scenario based on questionnaire surveys pointed that risk for inhabitants existed (HI >1). The total carcinogenic risk (Rt) values were at the unacceptable level and decreased in the following order: Cr(VI) > As > Pb.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,080
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,052
Tête enseignante GPT0,406
Écart entre enseignants0,354 · 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 source (Gemma direct ou Codex distillé), 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'admission1
Résumé présentoui

Explorer davantage

Même revueHuman and Ecological Risk Assessment An International JournalMême sujetHeavy metals in environmentTravaux en français237 207