MétaCan
Menu
Retour à la cohorte
Enregistrement W4404049882 · doi:10.2166/wqrj.2024.050

Evaluating the potability of domestic water supply sources using water quality index in Kilombero district, Tanzania

2024· article· en· W4404049882 sur OpenAlexaboutno aff
Nesto Amulike Lwinga, Fides Izdori, Edwin N. Richard

Notice bibliographique

RevueWater Quality Research Journal · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Dar es Salaam
Mots-clésTanzaniaIndex (typography)Water qualityWater resource managementEnvironmental scienceWater supplyWater sourceEnvironmental engineeringEnvironmental planningEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The decline in water quality in various bodies of water has led to significant health risks for individuals relying on these sources for drinking and domestic use. The prevalence of waterborne diseases in some areas is attributed by inadequate water quality assessments of supply sources. This study focused on evaluating the potability of domestic water sources in the Kilombero district of Tanzania, where approximately 70% of the population depends on untreated natural sources. Two models were utilized: the Weighted Arithmetic Water Quality Index (WAWQI) and the Canadian Council of Ministers of Environment Water Quality Index (CCME WQI), analysing 15 water quality parameters. The WAWQI identified three groundwater sources as poor quality for consumption, while indicating seasonal improvements in water quality – from 12 in the wet season to 13 in the dry season. Conversely, the CCME WQI classified all 15 sources as potable, with an increase in ‘Excellent’ ratings from 9 to 13 between seasons. The findings showed that all surface water sources were deemed potable, while 67% of groundwater sources met quality standards. The remaining 33% of boreholes were categorized as having poor quality. Overall, both models indicated better water quality during the dry season, with surface water generally exhibiting higher quality than groundwater.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,168
Tête enseignante GPT0,441
Écart entre enseignants0,273 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetWater resources management and optimizationTravaux en français237 207