Modeling exposure risk and prevention of mercury in drinking water for artisanal-small scale gold mining communities
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
The goal of this study was to evaluate the age-differentiated health risks associated with exposure to mercury in drinking water from artisanal small-scale gold mining (ASGM) sites on nearby communities in Yolombo, Colombia. In 2017, nine samples were collected from a local regulatory agency to report mercury concentrations in locations near mining sites. We performed a risk assessment to find 100% of the water samples collected downstream of mining sites exceed Hazard Quotient (HQ) risk thresholds (set by the US-Environmental Protection Agency and Health Canada). HQ model, coupled with global sensitivity and uncertainty analysis (GSUA), was used to conclude infants as the most vulnerable, with 50% of the population exceeding HQ thresholds. Length of exposure was the most significant input that contributed to risk variance, explaining 30-55% of risk across all age groups. Monte-Carlo filtering was used to identify effective strategies to reduce the number of individuals exceeding allowable HQ thresholds. After Monte-Carlo filtering intervention strategies, all individuals are below HQ thresholds. This work shows the importance of combining risk assessment tools with sensor data to inform the need for filters, stakeholder education, and alternative mining approaches to gain a multi-perspective risk approach. This work provides a valuable risk and decision modeling methodology and baseline information to gain a deeper understanding of the probability of experiencing detrimental health effects from water contamination in ASGM 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.
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 | 0,000 | 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 découle