Impact of usership on bacterial contamination of public latrine surfaces in Kathmandu, Nepal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
According to the United Nations (UN) Sustainable Development Goals (SDGs), community or public toilets shared by more than one household are not considered “safely managed” under SDG 6.2. However, many populations around the globe, particularly in urban settings, lack access to private sanitation facilities. For this reason, there is a need to evaluate the cleanliness of community or public toilets in these settings and examine best practices for maintaining them. This study had three aims: 1) build on previous data collected in March 2018 at public latrines to determine whether cleaning protocols were sustained, 2) examine relationships between latrine cleanliness and usership, and 3) identify latrine surfaces with higher concentrations of bacterial contamination. In March 2018 and December 2019, swab samples were collected from public latrine surfaces in Kathmandu, Nepal. Sampling occurred in “clean” conditions–after cleaning and before the latrine was opened for use–and “dirty” conditions–during operating hours. Samples were analyzed for concentrations of total coliforms (TC) and Escherichia coli (EC). The number of latrine users prior to the “dirty” sample collection was recorded (in December 2019 only). Results found that both TC and EC concentrations were significantly lower during “clean” rather than “dirty” conditions and both TC and EC concentrations increased with the number of users over time. TC and EC concentrations differed by surface type during dirty and clean conditions (p<0.05). Findings suggest cleaning protocols established at this public toilet site were adequately maintained two years later.
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.
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 | 0,000 | 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 découle