MétaCan
Menu
Retour à la cohorte

MEASUREMENT OF LEAD CONCENTRATION IN THE BLOOD OF PUBLIC TRANSPORT DRIVERS IN BANDUNG REGENCY, WEST JAVA, INDONESIA

2020· article· en· W3195850831 sur OpenAlexaff
Farhan Baehaki, Gita Nur Fajriani, Ani Haerani, Suci Rizki Nurul Aeni, Ayu Yunita Sari

Notice bibliographique

RevuePERIÓDICO TCHÊ QUÍMICA · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy Metal Pollution Remediation
Établissements canadiensBombardier (Canada)Transport Canada
Organismes subventionnairesnon disponible
Mots-clésChristian ministryBusinessLead (geology)PollutantToxicologyEnvironmental healthEnvironmental scienceEnvironmental protectionChemistryEnvironmental engineeringMedicineBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

As industrial and transportation activities in Bandung Regency are growing rapidly, Indonesia could be at risk of increasing air pollution levels. One of the air pollutants that are very harmful to the body is lead (Pb) generated from industrial activities, mining, vehicle exhaust gas, and dust from the ground. Lead is a heavy metal that is very dangerous for the body because it is carcinogenic with its activity character as an inhibitor in cell metabolism. This study aimed to analyze the concentration of lead in the blood of public transport drivers who are active on the highway every day and are most at risk of being exposed to Pb. Measurement of Pb concentration was carried out using an Atomic Absorption Spectrophotometer (AAS). Blood samples were taken from public transport drivers at Soreang Terminal, Bandung Regency, West Java, Indonesia. The analysis results showed that the average blood lead content of public transport drivers was 1,032 mg/L. The lowest level was 0.889 mg/L, and the highest was 1,200 mg/L. This shows that the lead content in the blood of public transport drivers is already in excess levels (range numbers 0.800-1.200 mg/L) when compared with the threshold for lead in the blood based on the Regulation of the Ministry of Health of the Republic of Indonesia (0.10 - 0.25 mg/L) and the threshold value set by the World Health Organization, which is 0.4 mg/L.

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)0,000
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,037
Tête enseignante GPT0,224
Écart entre enseignants0,187 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePERIÓDICO TCHÊ QUÍMICAMême sujetHeavy Metal Pollution RemediationTravaux en français237 207