Metals in the drinking water of First Nations across Canada
Notice bibliographique
Résumé
Abstract Objectives The First Nations Food, Nutrition and Environment Study (FNFNES), a community-based participatory research project, measured the levels of metals of health concern and the levels of metals that have operational guidance (OG) and aesthetic objectives (AO) in drinking water of First Nations (FN) south of the 60 th parallel. Methods Both stagnant (first draw) and flushed tap water samples were collected from participating households in 91 FN representing 11 ecozones. The concentrations of metals were quantified and compared to Health Canada’s Guidelines for Canadian Drinking Water Quality (GCDWQ). Results In total, 1516 FN households participated in this study component. Exceedances of the 2019 GCDWQ for the health-based maximum acceptable concentration (MAC) were found for five metals: lead 8.4% of households (first draw), manganese 4.0%, uranium 1.6%, aluminum 1.3%, and copper 0.2% (flushed). Flushing taps resulted in a decrease to 0.7% of households exceeding the lead MAC. Exceedances of the current OG for aluminum were found in 14.2% and the exceedances of the proposed OG were found in 18.1% of households (flushed). Exceedances of the AO (flushed) were as follows: manganese 12.8%, sodium 5.1%, iron 3.5%, and copper 0.4%. Results of the study were compared to provincial surveys where the data were available. Taste and colour were reported to be the main reasons for limiting the use of tap water. Conclusion Overall, the quality of drinking water with respect to trace metals of human health concern is satisfactory. However, elevated lead levels were found in some FN communities. Until appropriate action can take place, it was recommended to flush the water before use to reduce the lead levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».