MétaCan
Menu
Retour à la cohorte
Enregistrement W3192036235 · doi:10.2166/wpt.2021.076

Temporal variations of <i>de facto</i> wastewater reuse and disinfection by-products in public water systems in the Shenandoah River watershed, USA

2021· article· en· W3192036235 sur OpenAlexaboutno aff
Richard Weisman, Larry B. Barber, Kaycee E. Faunce, Jennifer L. Rapp, Celso M. Ferreira

Notice bibliographique

RevueWater Practice & Technology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedEnvironmental scienceDe factoReuseWastewaterHydrology (agriculture)Water yearQuarter (Canadian coin)Environmental engineeringGeographyDrainage basinWaste managementEngineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Temporal variations of de facto wastewater reuse are relevant to public drinking water systems (PWSs) that obtain water from surface sources. Variations in wastewater discharge flows, streamflow, de facto reuse, and disinfection by-products (DBPs – trihalomethane-4 [THM4] and haloacetic acid-5 [HAA5]) over an 18-year period were examined at 11 PWSs in the Shenandoah River watershed, using more than 25,000 data records, in gaged and ungaged reaches. The relationship of de facto reuse with DBPs by year and quarter at the PWSs was examined. A linear relationship was found between THM4 and de facto reuse on an annual average basis (p = 0.050), as well as in quarters 3 (July – September) (p = 0.032) and 4 (October – December) (p = 0.031). Using a t-test (p < 0.05), the study also showed that there were significant differences in DBP levels for PWSs relative to 1% de facto reuse. This was found for THM4 based on annual average and quarter 1 (January – March) data, and for HAA5 based on quarter 3 data during the period of record.

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 enseignants0,080
Score d'incertitude au seuil0,159

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
Bibliométrie0,0010,002
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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Practice & TechnologyMême sujetWater Treatment and DisinfectionTravaux en français237 207