MétaCan
Menu
Retour à la cohorte
Enregistrement W2923480858 · doi:10.14710/jitaa.44.1.56-64

Cross-sectional survey on environmental pollution surrounding poultry production cluster area

2019· article· en· W2923480858 sur OpenAlexfundno aff
Eny Martindah, Nyak Ilham

Notice bibliographique

RevueJournal of the Indonesian Tropical Animal Agriculture · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Agency for International DevelopmentInternational Development Research CentreUnited States Agency for International Development
Mots-clésEnvironmental sciencePollutionFecal coliformContaminationSanitationPopulationEnvironmental pollutionWater qualityEnvironmental engineeringEnvironmental protectionEnvironmental healthEcologyBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

This study was carried out to determine the environmental pollution surrounding poultry production cluster (PPC). A cross-sectional survey on environmental pollution surrounding PPC was conducted in the districts of Subang and Ciamis, West Java Province, Indonesia. Information of farmers aspiration on environmental pollution and sanitation issues related to the existence of PPC was collected by semi-structured questionnaires. Ammonia gas (NH3) in feces was tested qualitatively, and ground water was analyzed for Coliform and Salmonella sp. contamination. The result showed that dust and ammonia gases from feces (Subang 300-450 ppm, Ciamis 25-525 ppm) pollute the environment and caused an unpleasant odor surrounding the pens. Fly population was increasing during the harvest time of chickens,causing community daily lives were not comfortable. Water quality surrounding PPC indicated that Salmonella sp. contamination was negligible however most samples from Subang and Ciamis were contaminated with coliform bacteria (<3 MPN/ml–27 MPN/ml). Improvement on management policy to reduce the environmental pollution is thus still needed to develop surrounding the PPC areas.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,018
Tête enseignante GPT0,222
Écart entre enseignants0,203 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Indonesian Tropical Animal AgricultureMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207