Résumé : Évaluation, à l'aide de l'imagerie satellite, des risques de santé publique posés par la contamination microbienne des eaux récréatives
Bibliographic record
Abstract
Contexte : La contamination fécale des eaux récréatives peut provoquer des gastroentérites, des infections respiratoires, des dermatites et des infections de l'oreille.Outre la réalisation de tests directs de contamination des eaux, l'Organisation mondiale de la Santé (OMS) recommande, dans le cadre des activités de surveillance, l'évaluation des facteurs environnementaux connus pour agir sur la qualité de l'eau.La mesure de ces facteurs à l'aide de l'imagerie satellite peut se révéler utile au Canada dans les cas où il faut surveiller de grandes superficies ou des endroits difficiles d'accès.Objectif : Évaluer la valeur ajoutée que confère l'utilisation de l'imagerie satellite pour surveiller et gérer les risques microbiens associés aux eaux récréatives au Canada.Méthodes : On a utilisé des images satellites pour calculer cinq indices environnementaux qui peuvent avoir une incidence sur le risque de contamination des eaux récréatives : les terres agricoles, les zones urbaines (surfaces imperméables), la forêt et les zones humides.On a ensuite comparé les modèles statistiques incluant ces indices avec le niveau de contamination moyen des plages du sud du Québec, au Canada.On a évalué divers capteurs satellitaires à l'aide de critères d'exactitude et de performance.Résultats : La classification des images satellites a donné de bons résultats dans la zone d'étude.Pour deux de ces variables, à savoir les terres agricoles et les zones urbaines, la concentration en coliformes était sensiblement plus élevée.Dans le cadre de cette évaluation, c'est le capteur Landsat-5 qui offrait le meilleur rapport coûts-avantages.Conclusion : L'imagerie satellite peut servir à déterminer les facteurs environnementaux associés à un risque accru de contamination fécale des eaux récréatives au Canada et peut venir compléter les activités actuelles de surveillance et d'évaluation des risques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".