Assessment of Tap Water Quality and Health Risks in Mymensingh City, Bangladesh
Notice bibliographique
Résumé
Abstract This study assesses the domestic water supply status, physicochemical quality, and associated health risks in a region reliant on groundwater-derived tap water. A cross-sectional survey revealed that 89% of households depend on tap water, yet 78% express significant concerns about its safety, prompting inconsistent treatment practices (45% treat water “seldom”). Physicochemical analysis of tap water samples identified critical contamination issues: 33.3% of samples exceeded Bangladesh (BD ECR 2023) iron (Fe) limits (0.3-2.05 mg/L), while 100% surpassed WHO guidelines (0.3 mg/L). Manganese (Mn) exceeded permissible levels (0.1 mg/L) in 33.3% of samples. Total coliform contamination (up to 12 CFU/100ml) was widespread, though fecal coliforms were absent. Principal Component Analysis (PCA) attributed 82.22% of water quality variance to dissolved solids (electrical conductivity, salinity) and metal contamination (Fe, Mn), linked to geogenic/anthropogenic sources. Health risk assessments revealed non-carcinogenic hazards, particularly for children, with Hazard Index (HI) values reaching 2.87-far exceeding the safety threshold (HI > 1). Iron posed the greatest risk (THQ up to 2.44 for children), underscoring vulnerabilities due to physiological sensitivity. Despite 67% of respondents reporting satisfaction with water quality, stark disparities exist between perception and analytical results, driven by aesthetic/metallic concerns. Urgent interventions are needed, including infrastructure upgrades to curb pipe corrosion, advanced metal removal filtration, and community water treatment education. Policymakers must prioritize stricter industrial regulations and routine monitoring. This study highlights the imperative to align public trust with scientific evidence to safeguard health in groundwater-dependent communities.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».