Environmental predictors of <i>Escherichia coli</i> concentration at marine beaches in Vancouver, Canada: a Bayesian mixed-effects modelling analysis
Notice bibliographique
Résumé
Abstract Understanding historical environmental determinants associated with the risk of elevated marine water contamination could enhance monitoring marine beaches in a Canadian setting, which can also inform predictive marine water quality models and ongoing climate change preparedness efforts. This study aimed to assess the combination of environmental factors that best predicts Escherichia coli ( E. coli) concentration at public beaches in Metro Vancouver, British Columbia, by combining the region’s microbial water quality data and publicly available environmental data from 2013 to 2021. We developed a Bayesian log-normal mixed-effects regression model to evaluate predictors of geometric E. coli concentrations at 15 beaches in the Metro Vancouver Region. We identified that higher levels of geometric mean E. coli levels were predicted by higher previous sample day E. coli concentrations, higher rainfall in the preceding 48 h, and higher 24-h average air temperature at the median or higher levels of the 24-h mean ultraviolet (UV) index. In contrast, higher levels of mean salinity were predicted to result in lower levels of E. coli. Finally, we determined that the average effects of the predictors varied highly by beach. Our findings could form the basis for building real-time predictive marine water quality models to enable more timely beach management decision-making.
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 | 0,001 | 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 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 ».