Using Nodal Infection Risks to Guide Interventions Following Accidental Intrusion due to Sustained Low Pressure Events in a Drinking Water Distribution System
Notice bibliographique
Résumé
Improving the risk models to include the possible infection risk linked to pathogen intrusion into distribution systems during pressure-deficient conditions (PDCs) is essential. The objective of the present study was to assess the public health impact of accidental intrusion through leakage points in a full-scale water distribution system by coupling a quantitative microbial risk assessment (QMRA) model with water quality calculations based on pressure-driven hydraulic analysis. The impacts on the infection risk of different concentrations of Cryptosporidium in raw sewage (minimum, geometric mean, mean, and maximum) and various durations of intrusion/PDCs (24 h, 10 h, and 1 h) were investigated. For each scenario, 200 runs of Monte Carlo simulations were carried out to assess the uncertainty associated with the consumers’ behavioral variability. By increasing the concentrations of Cryptosporidium in raw sewage from 1 to 560 oocysts/L for a 24-h intrusion, or by increasing the duration of intrusion from 1 to 24 h, with a constant concentration (560 oocysts/L), the simulated number of infected people was increased by 235-fold and 17-fold, respectively. On the first day of the 1-h PDCs/intrusion scenario, a 65% decrease in the number of infected people was observed when supposing no drinking water withdrawals during low-pressure conditions at nodes with low demand available (<5%) compared to no demand. Besides assessing the event risk for an intrusion scenario, defined as four days of observation, the daily number of infected people and nodal risk were also modeled on different days, including during and after intrusion days. The results indicate that, for the case of a 1-h intrusion, delaying the start of the necessary preventive/corrective actions for 5 h after the beginning of the intrusion may result in the infection of up to 71 people.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».