Associations between extreme precipitation, drinking water, and protozoan acute gastrointestinal illnesses in four North American Great Lakes cities (2009–2014)
Notice bibliographique
Résumé
Climate change is already impacting the North American Great Lakes ecosystem and understanding the relationship between climate events and public health, such as waterborne acute gastrointestinal illnesses (AGIs), can help inform needed adaptive capacity for drinking water systems (DWSs). In this study, we assessed a harmonized binational dataset for the effects of extreme precipitation events (≥90th percentile) and preceding dry periods, source water turbidity, total coliforms, and protozoan AGIs - cryptosporidiosis and giardiasis - in the populations served by four DWSs that source surface water from Lake Ontario (Hamilton and Toronto, Ontario, Canada) and Lake Michigan (Green Bay and Milwaukee, Wisconsin, USA) from January 2009 through August 2014. We used distributed lag non-linear Poisson regression models adjusted for seasonality and found extreme precipitation weeks preceded by dry periods increased the relative risk of protozoan AGI after 1 and 3-5 weeks in three of the four cities, although only statistically significant in two. Our results suggest that the risk of protozoan AGI increases with extreme precipitation preceded by a dry period. As extreme precipitation patterns become more frequent with climate change, the ability to detect changes in water quality and effectively treat source water of varying quality is increasingly important for adaptive capacity and protection of public health.
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 | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».