Bacterial Contamination Levels and Brand Perception of Sachet Water: A Case Study in Nigerian Urban Neighborhoods
Notice bibliographique
Résumé
Sachet water (SW) is a major source of drinking water in most Nigerian homes, thus making it a possible conveyance medium for health risks due to contamination rather than for replenishment of the body. This study collected SW from three busy neighborhoods and investigated for the presence of indicator bacteria – Escherichia coli (E. coli), Total Coliform (TC), Total Heterophilic Bacteria (THB), and Staphylococcus – and some physio-chemical parameters – total dissolved solids (TDS), pH, electrical conductivity (EC), and salinity. Multi-variable and exploratory statistical methods were applied to the results to determine correlations between bacterial contamination levels and perceived brand reputation. Bacteriological test with raw SW samples appeared too numerous to count (TNC) and thus required serial dilutions. After seven dilutions, results obtained revealed that SW brands with good reputation had no TC and E. coli and was statistically significant with groupings of other SW brands (χ2 = 12.28; p < 0.05 and χ2 = 37.96; p < 0.05) respectively. Additionally, SW brands with poor reputation had mean values of TC (19.7X10^8 cfu/ml;14X10^8 cfu/ml1.15X10^8 cfu/ml) and E.coli (18.2X10^8 cfu/ml;38.7X10^8 cfu/ml,32.4X10^8 cfu/ml) exceeding threshold value of zero set by the World Health Organization (WHO). Only one sample from poor reputation brand tested positive for Staphylococcus and was not statistically significant (χ2 =5.2191; p = 0.074). Principal Component Analysis (PCA)/ Factor Analysis (FA) revealed that most of the SW had fecal contamination in an alarming magnitude. Therefore, this study suggests that periodic cleaning of distribution lines, location specific treatment, QC and QA measures should be taken to reduce water security risk for SW consumption in the region.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».