Lead, Zinc and Iron Pollutants Load Assessment in Selected Rivers in Southern Nigeria: Implications for Domestic Uses
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
The aim of the study is to comparatively assess the concentrations of lead, zinc and iron in Rivers Ase, Warri and Ethiope, in Nigeria. Monthly water samples were collected from six randomly selected sites along the rivers course. 72 water samples were collected from each river at 0 - 15 cm depths. Samples were analysed based on the standard methods recommended by the WHO for testing lead, zinc and iron. The assessment of the water quality was done using the Water Quality Index (WQI) of the Canadian Council of Ministers of the Environment (CCME-WQI). While hypotheses were tested using ANOVA. Findings indicated that CCME-WQI values were 47.3, 66.52 and 78.7. This meant that the water quality of River Ase is impaired and departed from desirable levels, while that of Warri and Ethiope were considered to occasionally be impaired and depart from desirable levels. The ANOVA model showed that there is a significant variation in heavy metal load in the selected rivers at P < 0.05. River water was put to domestic uses such as drinking (20.5%) preparing food (17.8%), bathing (19.8%), washing clothes and dishes (21.3%), brushing teeth (13.3%), and catering for domestic animals (7.5%). Poverty (49.5%) was the major reason for the use of river water for domestic purposes. The locals highlighted that they usually suffer from cholera (26.8%), diarrhoea (25.8%), dysentery (24%) and typhoid (23.5%) as a result of using the river water. The study recommended routine monitoring of anthropogenic and geologic activities, testing of the water regularly amongst others.
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 | 0,001 | 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