Contamination severity index: An analysis of Bangladesh groundwater arsenic
Notice bibliographique
Résumé
Abstract This article deals with the measurement of groundwater arsenic () contamination. The focus is on using a proper index for the severity of contamination, rather than just using the proportion of observations above a threshold level. We specifically focus on the contamination severity index (CSI) proposed by Sen (2016. Sankhya B , 78B(2), 341–361.). An alternative estimator in contrast to the one given by Sen (2016. Sankhya B , 78B(2), 341–361.) is used here which is useful for a small number of observations. The data used is that collected by the British Geological Society and the Bangladesh Department of Public Health Engineering during 1997–2001. Their analysis was based on the simple proportion of the observations above a threshold level, whereas the CSI measure adequately takes into account the severity of the observations. It is emphasized in this article that the comparison of areas with average arsenic () levels to determine arsenic severity is not appropriate in general due to a large variation in the sample values due to the depth of wells. However, an alternative to the CSI proposed in Sen (2016. Sankhya B , 78B(2), 341–361.) has been given in this article that takes into account the depth of wells corresponding to the samples. This article also uses the bootstrap methodology in assessing the bias and standard errors of the estimators, and the corresponding bias‐corrected and accelerated confidence intervals.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,005 | 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 ».