Race, Racism, and Drinking Water Contamination Risk From Oil and Gas Wells in Los Angeles County, 2020
Notice bibliographique
Résumé
Objectives. To evaluate the potential for drinking water contamination in Los Angeles (LA) County, California, based on the proximity of supply wells to oil and gas wells, and characterize risk with respect to race/ethnicity and measures of structural racism. Methods. We identified at-risk community water systems (CWSs) as those with supply wells within 1 kilometer of an oil or gas well. We characterized sociodemographics of the populations served by each CWS by using the 2013–2017 American Community Survey. We estimated the degree of redlining in each CWS service area by using 1930s Home Owners’ Loan Corporation security maps, and characterized segregation by using the Index of Concentration at the Extremes. Multivariable regression models estimated associations between these variables and CWS contamination risk. Results. A quarter of LA County CWSs serving more than 7 million residents have supply wells within 1 kilometer of an oil or gas well. Higher percentages of Hispanic, Black, and Asian/Pacific Islander residents and a greater degree of redlining and residential segregation were associated with higher contamination risk. Conclusions. Redlining and segregation predict drinking water contamination risks from oil development in LA County, with people of color at greater risk. (Am J Public Health. 2023;113(11):1191–1200. https://doi.org/10.2105/AJPH.2023.307374 )
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 | 0,004 | 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 ».