MétaCan
Menu
Retour à la cohorte
Enregistrement W4387521706 · doi:10.1021/acsestwater.3c00273

Evaluating Sentinel Pipe Racks for Monitoring Lead Release and Optimizing Corrosion Control

2023· article· en· W4387521706 sur OpenAlexafffund
Benjamin F. Trueman, Javier A Locsin, Wendy H Krkošek, Graham A. Gagnon

Notice bibliographique

RevueACS ES&T Water · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésLead (geology)Water pipeEnvironmental scienceCorrosionContaminationEngineeringMaterials scienceComposite materialGeologyMechanical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

Orthophosphate can limit lead contamination of tap water, but its benefits are difficult to quantify, since lead concentrations are so site-specific. Sentinel homes serviced by lead pipe are ideal for monitoring orthophosphate treatment, but best practices dictate the removal of lead once identified. Sentinel homes, then, are often short-lived. Here, we explore an alternative: recovered lead pipe racks supplied with distributed drinking water at locations throughout a water system. We also propose a strategy for analyzing the data based on the generalized additive model, which approximates time series as sums of smooth functions. Geometric mean lead release from pipe racks exhibited a pronounced dose–response, falling by 54% after an increase from 1 to 2 mg PO 4 L –1 and then climbing by 55% after a decrease to 1.5 mg PO 4 L –1 . Data from nine sentinel homes were consistent with those from pipe racks: the geometric mean lead at the high orthophosphate dose was 60% of that at the low dose. Our results demonstrate sentinel pipe racks as a viable alternative to at-the-tap sampling for nonregulatory corrosion control monitoring. They also provide a Bayesian framework for quantifying changes in lead release that can incorporate information from multiple sources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,068
Tête enseignante GPT0,346
Écart entre enseignants0,278 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS ES&T WaterMême sujetWater Quality and Pollution AssessmentTravaux en français237 207