Global assessment of chemical quality of drinking water: The case of trihalomethanes
Notice bibliographique
Résumé
BACKGROUND: Trihalomethanes (THM), a major class of disinfection by-products, are widespread and are associated with adverse health effects. We conducted a global evaluation of current THM regulations and concentrations in drinking water. METHODS: We included 120 countries (∼7000 million inhabitants in 2016), representing 94% of the world population. We searched for country regulations and THM routine monitoring data using a questionnaire addressed to referent contacts. Scientific and gray literature was reviewed where contacts were not identified or declined participation. We obtained or estimated annual average THM concentrations, weighted to the population served when possible. RESULTS: Drinking water regulations were ascertained for 116/120 (97%) countries, with 89/116 (77%) including THM regulations. Routine monitoring was implemented in 47/89 (53%) of countries with THM regulations. THM data with a varying population coverage was obtained for 69/120 (58%) countries consisting of ∼5600 million inhabitants (76% of world's population in 2016). Population coverage was ≥90% in 14 countries, mostly in the Global North, 50-89% in 19 countries, 11-49% among 21 countries, and ≤10% in 14 countries including India, China, Russian Federation and Nigeria (40% of world's population). DISCUSSION: An enormous gap exists in THM regulatory status, routine monitoring practice, reporting and data availability among countries, especially between high- vs. low- and middle-income countries (LMICs). More efforts are warranted to regulate and systematically assess chemical quality of drinking water, centralize, harmonize, and openly report data, particularly in LMICs.
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 | 0,002 | 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 ».