Burden of Disease from Contaminated Drinking Water in Countries with High Access to Safely Managed Water: A Systematic Review
Notice bibliographique
Résumé
Abstract The vast majority of residents of high-income countries (≥90%) reportedly have high access to safely managed drinking water. Owing perhaps to the widely held perception of near universal access to high-quality water services in these countries, the burden of waterborne disease in these contexts is understudied. This systematic review aimed to: identify population-scale estimates of waterborne disease in countries with high access to safely managed drinking water, compare methods to quantify disease burden, and identify gaps in available burden estimates. We conducted a systematic review of population-scale disease burden estimates attributed to drinking water in countries where ≥90% of the population has access to safely managed drinking water per official United Nations monitoring. We identified 24 studies reporting estimates for disease burden attributable to microbial contaminants. Across these studies, the population-weighted average burden of gastrointestinal illness risks attributed to drinking water was ∼3,529 annual cases per 100,000 people. Beyond exposure to infectious agents, we identified 10 studies reporting disease burden—predominantly, cancer risks—associated with chemical contaminants. Across these studies, the pooled population-weighted average of excess cancer cases attributable to drinking water was 1.8 annual cancer cases per 100,000 people. These estimates exceed WHO-recommended normative targets for disease burden attributable to drinking water and highlight that there remains important preventable disease burden in these contexts. However, the available literature was scant and limited in geographic scope, disease outcomes, range of microbial and chemical contaminants, and inclusion of subpopulations (rural, low-income communities; Indigenous or Aboriginal peoples; and populations marginalized due to discrimination by race, ethnicity, or socioeconomic status) that could most benefit from water infrastructure investments. Studies quantifying drinking water-associated disease burden in countries with reportedly high access to safe drinking water, with a focus on specific subpopulations and promoting environmental justice, are needed.
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».