Contamination of soil and groundwater by pesticides in the region of Akkar-Northern Lebanon : risk assessment on human health
Notice bibliographique
Résumé
Akkar est la deuxième zone agricole au Liban. Les pesticides sont utilisés de façon excessive dans les activités agricoles et en conséquence, les eaux souterraines ont été fortement contaminées. En raison d'absence d'un réseau public de distribution d'eau, les eaux souterraines sont utilisées comme principale source d’alimentation en eau potable sans aucun traitement. Cette étude se concentre sur l'évaluation de la contamination des eaux souterraines et des sols par OCPs, OPPs, ONPs et par des métaux lourds afin de mieux caractériser le niveau de contamination. L’autre partie se focalise sur l'évaluation des risques de la pollution sur la population.Des niveaux élevés de pesticides ont été détectés dans les eaux de nombreux villages. De même, des concentrations élevées d’OCPs ont été détectées dans le sol agricole. En outre, une variation significative a été observée en fonction de la profondeur du sol. Les résultats ont montré que certains pesticides, déjà interdits sont actuellement utilisés dans cette plaine. Pour compléter les travaux, les éléments traces métalliques (As, Pb, Cr, Cu, Zn et Cd) ont été initiés. Les résultats ont montré que les sols sont modérément pollués par le Cd. Parallèlement la prévalence des maladies nerveuses ; Anomalies congénitales et Cancer est supérieure à celle dans d'autres régions. Des corrélations significatives ont été établies entre la consommation de l'eau des puits polluée et l'apparition de ces maladies.Pour confirmer les résultats, d'autres recherches sur le niveau de pesticides dans le sang humain ou l'urine pourraient être réalisées. De plus, il est souhaitable de mieux gérer leur utilisation pour réduire les effets sur la santé humaine.
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 | 0,000 | 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 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 ».