MétaCan
Menu
Retour à la cohorte
Enregistrement W4200282044 · doi:10.18280/ijsdp.160715

Heavy Metal Assessment in Taps Drinking Water of Ramadi City Using Water Quality Indices, Anbar Province, Iraq

2021· article· en· W4200282044 sur OpenAlexvenueno aff
Majeed Mattar Ramal, Arkan Dhari Jalal, Uday Hatem Abdulhameed

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental sciencePollutionCadmiumWater qualityArsenicContaminationHeavy metalsWater pollutionEnvironmental engineeringEnvironmental chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

This study goals to assess the concentrations of specified Heavy Metals (HMs) and quality of taps drinking water of Ramadi city, western Iraq. Heavy Metal Pollution Indices like heavy metal pollution index (HMPI ), heavy metal evaluation index (HMEI) and contamination degree (CD) were applied to assess the supplied water. The average concentrations of Lead (Pb), Nickel (Ni), Chromium (Cr), Arsenic (As) and Cadmium (Cd) in most stations exceed the maximum admissible concentration, while Iron (Fe) in most of stations was within the maximum admissible concentration according to local and global guidelines. (HMPI ) values of most stations were exceed the maximum critical value of 100. (HMEI) values of most stations were exceed the value of 10 recommended for drinking water. (CD) values of most stations were exceed the value of 1 recommended for drinking water. The pollution origins were assessed using principal component analysis (PCA) and clustering analysis (CA). The results indicate that contamination comes from anthropogenic causes being the most common and lithogenic sources being the least common. The present concentration of (HMs) in taps water is causing health and environmental problems, water with high (HMs) concentrations would need to be treated before being supplied to consumers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,341
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,319
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetWater Quality and Pollution AssessmentTravaux en français237 207