Environmental and Health Implications of the Correlation Between Arsenic and Zinc Levels in Rice from an Arsenic-Rich Zone in Cambodia
Notice bibliographique
Résumé
BACKGROUND: In parts of Cambodia, irrigation of rice with groundwater results in arsenic accumulation in soils and rice, leading to health concerns associated with rice consumption. In Bangladesh and China, low zinc levels in rice have been found in regions where arsenic levels in rice are high. Furthermore, there have been claims that zinc deficiency is responsible for stunting of children in Cambodia. There are limited data on zinc in Cambodian rice, but in rural Asia, rice is the major source of zinc. OBJECTIVES: To provide a preliminary evaluation of the zinc content in rice grain in Preak Russey, an area with elevated levels of arsenic. The importance of zinc in rice for infants was also assessed. METHODS: Rice cultivation was evaluated in sixty farms along the Mekong River in Cambodia. Analyses for metals, total arsenic, and arsenic species in the water and rice were conducted at the University of Ottawa, Canada by inductively coupled plasma - mass spectrometry. Analysis of total zinc and arsenic in soils were analyzed in Phnom Penh using X-ray fluorescence spectrometry (XRF). Total zinc in rice was also measured by XRF analysis. RESULTS: Rice in the Preak Russey area contained zinc with ½ to ¼ of the 1987 Codex standard for rice in Infant Formula. Moreover, our average zinc concentration in rice samples was less than a third that recommended for zinc fortification in rice by the United Nations World Food Programme. There was a significant (α=0.05) negative correlation between the arsenic and zinc content of rice with the lowest zinc levels occurring near the irrigation wells, the source of arsenic. There was a significantly higher content of zinc in rice from farms that fertilized with cow manure. CONCLUSIONS: Handheld XRF spectrometers are useful tools for detection of zinc levels in rice. The potential for zinc deficiency in farmers in areas of Cambodia with arsenic toxicity is high. COMPETING INTERESTS: The authors declare no competing financial interests.
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 | 0,000 |
| 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 | 0,001 |
| 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) | 0,001 | 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 ».