Reducing water quality data inequities: A low-cost to a membrane filtration technique for the quantification of Escherichia coli in drinking water in low-resource contexts
Notice bibliographique
Résumé
Access to safe drinking water is a recognized human right and a policy priority, reflected in the United Nations’ Sustainable Development Goals (SDGs). To monitor progress on SDG Target 6.1—safely managed drinking water services—many countries now incorporate Escherichia coli water quality testing into nationally representative household surveys, including UNICEF’s Multiple Indicator Cluster Surveys (MICS). The objective of this study was to evaluate multiple aspects of existing MICS water quality testing techniques. A low-cost filtration kit (~$60 compared to ~$1200 for the standard kit) was piloted during a water quality study in Southern Malawi. The low-cost filtration kit performed well with no breakage, leakage or stability issues reported. An existing MICS quality control measure was also assessed. Results support the current practice of using pre-tested locally purchased bottled water to undertake “blank” negative quality control testing. The current practice of having enumerators count E. coli colonies was investigated and was found to be acceptable and valid. To increase the storage capacity of the belt incubation method, a reduced (18- vs. 24-hour) incubation time was investigated. If the purpose is to classify results by risk categories, it would be advisable to incubate samples for the additional 6 hours if after 18 hours a count is observed of only 1 or 2 CFU/100 mL lower than the cut-off for the next highest risk category. Overall, results were encouraging and support the widespread use of the low-cost filtration kit, with potentially significant cost savings. However, we recommend further research to investigate and quantify the impacts of an abbreviated incubation time on water quality results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».