Heavy Metal contamination in vegetable grown with wastewater in peri urban areas of Multan City, Pakistan: A Health Risk Assessment
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
A study conducted in Multan, Pakistan, evaluated the health risks posed by heavy metal contamination in commonly consumed vegetables cultivated using various water sources. A total of 100 vegetable samples, including 30 samples of Brassica, were analyzed for cadmium (Cd), chromium (Cr), copper (Cu), manganese (Mn), nickel (Ni), and lead (Pb) using ICP-OES. Additionally, 30 soil samples and 30 water/wastewater samples were analyzed for the same metals. The findings revealed that vegetables irrigated with wastewater had significantly higher levels of heavy metal accumulation compared to those grown using canal or tube well water. The accumulation factor, representing the concentration of metals in plants relative to the soil, ranged from 2.50 to 13.74 in wastewater-irrigated vegetables, compared to a much lower range of 0.34 to 0.57 for vegetables grown with clean water sources. Moreover, the total target hazard quotient (TTHQ), which evaluates the combined health risks from exposure to multiple metals, was notably higher in wastewater-irrigated vegetables. These vegetables posed a "carcinogenic health risk" to the exposed population, whereas vegetables grown using canal or tube well water were considered "health risk-free." Multivariate statistical analysis confirmed that wastewater irrigation is a significant contributor to heavy metal contamination in soil and vegetables. The study underscores the necessity of treating wastewater prior to its use in agriculture to minimize health risks associated with heavy metal exposure
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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