Occupational Health Risk Assessment of Microbiological Air Quality in Buhemba Small Scale Gold Mines, Tanzania
Notice bibliographique
Résumé
A large part of bio-aerosols is composed of biological particles such as bacteria, fungi, viruses, pollens, and their by-products such as endotoxins, metabolites, toxins, and other microbial fragments. These micro-organisms may affect human health with a wide range of adverse health effects including respiratory infections, allergies or toxic response in some individuals, especially susceptible ones. A cross-sectional study was conducted among purposely selected mining pits of Buhemba gold mine in Mara, Tanzania. To determine the microbial count, an agar strip loaded RCS® Microbial Air Sampler was used. Samples were collected at different microenvironments of the mining pit at a flow rate of 100 L min–1 for 5 minutes to yield a sample volume of 500 liters. Morphological characterization of both bacterial and fungal colonies was carried out followed by microscopic examination of fungal and gram-stained bacterial colonies. Regression analysis between mean bacterial and fungal spore counts with environmental factors like temperature and relative humidity was performed. The total aerobic bacteria concentration varied significantly (p value<0.05) between sampled pits (n=15), with the highest and lowest values of 3859 CFU/m3 and 1309 CFU/m3, respectively. However, there was no significant difference in total anaerobic bacteria concentration between sampled pits. The highest and lowest values of anaerobic bacteria were respectively 4284 CFU/m3 and 1190 CFU/m3. The highest and lowest values of total fungi concentration were 3314 CFU/m3 and 646 CFU/m3, respectively. High bacteria load that exceeds 1000 CFU/m3 as recommended by WHO was found in Buhemba gold mine.
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 ».