Seeing is Predicting: Water Clarity-Based Nowcast Models for E. coli Prediction in Surface Water
Notice bibliographique
Résumé
Given the 24–48 h turn-around time of conventional surveillance approaches, methods are needed that improve the timeliness and accuracy of recreational water quality risk assessments. Although one useful approach is to combine existing monitoring programmes with predictive faecal indicator bacteria (FIB) models, these models are largely ‘top-down’ in their approach to safeguarding public health. Beyond being simply ‘advised when to avoid swimming’, there is an increasing awareness amongst the general public regarding the role they can play in water quality monitoring. Using quantile, maximum value and optimized incremental modelling approaches, this study reports on the possibility of developing intuitive, public-friendly models that are based on the physical appearance of water (clarity), to estimate 8103 nation-wide E. coli concentrations in rivers, and to assess whether water is safe to swim in. If swimmers were to avoid river waters with <1.1 m black disc visibility during autumn and summer, and river waters with values <0.5 m black disc visibility during spring and winter, they would also avoid microbial hazards that are associated with exceedances of the 540 CFU/100 mL single sample bathing water standard. Regardless of the climatic season, stream order classification, catchment land cover or geology of streams considered, the clarity-based E. coli models performed well as they presented with sensitivity, specificity and accuracy values of at least 72%. The developed models offer the benefit of providing a faster method for estimating E. coli concentration, potentially engaging the public in water monitoring, and allowing them to make informed decisions on whether it is safe to swim.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».