MétaCan
Menu
Retour à la cohorte
Enregistrement W4292242469 · doi:10.1016/j.heliyon.2022.e10307

Water demand profile before and during COVID-19 pandemic in a Brazilian social housing complex

2022· article· en· W4292242469 sur OpenAlexaboutno aff
Carolina Cominato, Julia Sborz, Andreza Kalbusch, Elisa Henning

Notice bibliographique

RevueHeliyon · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa e Inovação do Estado de Santa CatarinaConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésPandemicConsumption (sociology)Descriptive statisticsLog-normal distributionCoronavirus disease 2019 (COVID-19)Quarter (Canadian coin)Distribution (mathematics)GeographyEnvironmental scienceSocioeconomicsStatisticsAgricultural economicsEconomicsMathematicsSociologySocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has changed the way resources are consumed around the world. The relationship between the pandemic and water consumption has important implications for the management of water use and must be evaluated in depth. The main goal of this research paper is to establish a comparison between pre-pandemic and pandemic water consumption profiles for 14 social-housing buildings located in Joinville, Southern Brazil. Telemetry data from each apartment were collected on an hourly basis before and during the COVID-19 pandemic. The analysis was based on descriptive statistics on the hourly and daily water consumption in addition to its profile plots. The best probability distribution fitting was also determined. To assess the differences in water consumption due to de pandemic, the Wilcoxon-Mann-Whitney test was employed and a Generalized Linear Model with mixed effects was fitted to the data. The Lognormal distribution was shown to be the most appropriate to model the water consumption data. Due to the COVID-19 pandemic, the two daily peak consumption periods changed from 12 h to 15 h and from 19 h to 21 h. The COVID-19 pandemic also impacted daily water consumption, leading to a small, yet significant, increase in demand in the first quarter of the pandemic period.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,029
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,231 · 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.

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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetUrban Stormwater Management SolutionsTravaux en français237 207