Water Quality Index for Human Consumption: A Proposed Tool for Water Quality Surveillance Communicating Results to Society
Bibliographic record
Abstract
A água é recurso fundamental ao desenvolvimento individual, social e econômico da humanidade, sendo o acesso ao recurso reconhecido mundialmente como direito humano. Segundo a OMS, as doenças de veiculação hídrica são responsáveis, especialmente nos países como menor grau de desenvolvimento, por altas taxas de morbimortalidade. No atual contexto de baixa disponibilidade de água de qualidade, a avaliação para consumo apresenta-se como ação de monitoramento essencial, contribuindo para garantir saúde das populações. A água para consumo deve atender a padrões estabelecidos normativamente, no Brasil estabelecidos pela Portaria de Consolidação nº 05/2017 do Ministério da Saúde. Esta, define as atividades de monitoramento e vigilância que garantem acesso à água segura. A qualidade da água é tradicionalmente caracterizada com base em parâmetros físicos, químicos e microbiológicos. A comunicação destas informações isoladamente é de difícil entendimento à população consumidora, que, muitas vezes não possui subsidio técnico para interpretá-las. Os índices podem ser vistos como ferramenta capazes de superar esta lacuna, transformando uma gama de dados em um único número, facilmente convertido em elemento qualitativo, integralizando a comunicação. A presente pesquisa identificou na literatura os Índices de Qualidade de Água utilizados para caracterizar água potável, a fim de indicar um que possa se adequar ao contexto das vigilâncias no Brasil. Realizou-se uma vasta busca na literatura, e foram recuperados 128 artigos que atendiam a temática Os índices mais utilizados foram o modelo da National Sanitation Foundation, o de Horton, o modelo Canadense e o de Tiwari e Mishra. A análise da literatura e dos modelos mais utilizados apontou o índice do Canadian Council of Ministers of the Environmment, o IQA-CCME, como o mais flexível e de fácil aplicação. Para demonstração do índice foram utilizados dados referentes às análises de amostras de água da rede de distribuição do município do Rio de Janeiro, alimentados no Siságua entre os anos de 2014 a 2017. Foram utilizados grupos distintos de parâmetros e observou-se que os parâmetros mais críticos para a qualidade da água foram cloro residual e turbidez uma vez que ambos foram os mais violados. Os cálculos indicaram que o fator escopo (F1), correspondente ao número de parâmetros do universo que são violados, é o que possivelmente tem maior influência sobre escore final do índice. Em função da flexibilidade e mensurabilidade o IQA-CCME atende às condições técnicas e operacionais da vigilância de qualidade da água. Entretanto, devem ser realizados mais estudos com vistas a mitigar suas limitações.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".