Geogenic Arsenic and Microbial Contamination in Drinking Water Sources: Exposure Risks to the Coastal Population in Bangladesh
Notice bibliographique
Résumé
The study aimed to investigate the most usable drinking water sources quality and the dependent population’s exposure to potentially contaminated water. The specific area chosen for the study was the coastal area in Satkhira district’s Tala Upazila. 649 most usable drinking water sources were selected that included Deep Tubewell (DTW), Shallow Tubewell (STW) and Pond Sand Filter (PSF) for drinking water sampling. Following standard sampling procedures, in-situ measurements were taken for seven important water quality parameters: Arsenic-As, Iron-Fe, Electrical Conductivity-EC, Temperature-Temp, Total Coliform- TC, E-coli and Fecal Coliform-FC. In addition, semi-structured questionnaire surveys were conducted at corresponding dependent households (HH). Weighted arithmetic water quality index (WQI) was used to calculate the suitability of the derived water for drinking purposes. In the tested water sources, As, Fe and EC range were found 0-500 µg/L, 0-18 mg/L and 165-8715 µS/cm, respectively. Of all tested water sources, 74% exceeded permissible limit for As, 83% for Fe and 99% for EC, according to WHO standards. Comparatively higher percentage of Point of Uses (PoU) were found to be more contaminated than Point of Sources (PoS) such as TC found in 38% PoS and 54% of corresponding PoU, E.coli found in 24% PoS and 35% of PoU and FC found in 45% PoS and 55% of PoU. WQI suggested that the majority (72%) of most usable drinking water sources were found to be unsuitable for drinking. Thus, 40% of the population (0.12 million) in the study area were directly consuming contaminated water, dependent household members most frequently suffered from fever, diarrhea and high blood pressure, resulting in the average household to spend USD 3-13 per month/HH for health-related expenditures, which is higher than national average. To acquire safe drinking water, the majority (58%) of the dependent HH expressed willingness to pay USD 1 per month/ HH which is costly for them. The situation can be improved by installing deep tube well for safe drinking water, periodically testing of the water quality, educating public for better hygiene practices, and providing entrepreneurial incentives to help deliver safe water to the public at lower cost.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».