Ranking microbial risk of self-supplied groundwater in urban Indonesia.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
In Indonesia, 61% of urban households use self-supplied groundwater, with 24% relying on it as a primary drinking water source. Many self-supplied sources contain faecal contamination, posing health risks. Identifying locations with elevated contamination risk can help target piped-water investments and interim safety measures, but collecting sufficient water quality data is costly. This study develops and validates a method to rank contamination risk across Indonesian cities using secondary data alone. Contamination probability was modelled using logistic regression applied to water quality data from 619 households in Indonesia's 2020 national water quality survey. A composite city-level risk score was constructed by combining predicted contamination probability with the proportion of households relying on self-supplied groundwater, derived from Indonesia's 2022 national socioeconomic survey, enabling risk ranking across all 99 cities. Dug-wells had 2.9 times greater odds of Escherichia coli >100 CFU/100 mL than boreholes (p < 0.001), and contamination risk increased significantly with population density (p = 0.006). Aquifer lithology and rainfall were additional predictors (p < 0.1). Model discrimination was acceptable (AUC 0.715, 95% CI 0.667-0.764). Independent validation against four datasets (14 locations) revealed acceptable agreement but systematic underprediction of E. coli exceedance probability at four locations (root mean square error of 0.116 and mean bias of -0.067), indicating the model is more reliable for identifying lower-risk than higher-risk cities. Including groundwater depth and sanitary condition data could increase model reliability. This approach provides a cost-effective screening tool for prioritising water-safety interventions where urban self-supply is widespread and data is limited.
نتیجه فارسی
این مطالعه روشی را برای رتبهبندی ریسک آلودگی آبهای زیرزمینی در شهرهای اندونزی با استفاده از دادههای ثانویه توسعه میدهد. مدل بر اساس دادههای کیفیت آب و ویژگیهای جمعیتی ساخته شد و نشان داد که چاههای دستکوب و تراکم جمعیت با آلودگی *E. coli* مرتبط هستند. مدل برای شناسایی شهرهای با ریسک پایینتر نسبت به شهرهای با ریسک بالاتر قابل اعتمادتر است.
- ۶۱٪ از خانوارهای شهری اندونزی از آبهای زیرزمینی تأمینشده خودکار استفاده میکنند.
- چاههای دستکوب دارای ۲.۹ برابر شانس بالاتر آلودگی *E. coli* > ۱۰۰ CFU/۱۰۰ میلیلیتر نسبت به چاههای حفاری هستند.
- تراکم جمعیت و سنگبستر آبرود پیشبینیکنندههای مهم ریسک آلودگی هستند.
- این مدل ابزاری غربالگری با هزینه کم برای اولویتبندی اقدامات ایمنی آب است.
- مدل برای شناسایی شهرهای با ریسک پایینتر نسبت به شهرهای با ریسک بالاتر قابل اعتمادتر است.
ترجمه فارسی چکیده
در اندونزی، ۶۱ درصد از خانوارهای شهری از آبهای زیرزمینی تأمینشده خودکار استفاده میکنند و ۲۴ درصد به آن به عنوان منبع اصلی آشامیدنی وابستهاند. بسیاری از منابع تأمینشده خودکار آلودگی مدفوعی دارند که خطرات سلامت ایجاد میکنند. این مطالعه روشی را برای رتبهبندی ریسک آلودگی در شهرهای اندونزی با استفاده از دادههای ثانویه توسعه و اعتبارسنجی میکند. احتمال آلودگی با استفاده از رگرسیون لجستیک بر اساس دادههای کیفیت آب از ۶۱۹ خانوار در نظرسنجی ملی کیفیت آب سال ۲۰۲۰ اندونزی مدلسازی شد. امتیاز ریسک سطح شهر با ترکیب احتمال آلودگی پیشبینیشده و نسبت خانوارهای وابسته به آبهای زیرزمینی تأمینشده خودکار، که از نظرسنجی ملی اجتماعی-اقتصادی سال ۲۰۲۲ استخراج شده بود، ساخته شد. این کار امکان رتبهبندی ریسک در تمام ۹۹ شهر را فراهم کرد. چاههای دستکوب دارای ۲.۹ برابر شانس بالاتر برای *E. coli* > ۱۰۰ CFU/۱۰۰ میلیلیتر نسبت به چاههای حفاری (p < 0.001) بودند و ریسک آلودگی با تراکم جمعیت به طور معناداری افزایش یافت (p = 0.006). سنگبستر آبرود و بارش پیشبینیکنندههای اضافی بودند (p < 0.1). تفکیکپذیری مدل قابل قبول بود (AUC 0.715، ۹۵٪ CI 0.667-0.764). اعتبارسنجی مستقل در برابر چهار مجموعه داده (۱۴ مکان) هماهنگی قابل قبولی را نشان داد اما پیشبینی سیستماتیک زیرمقدار احتمال تجاوز *E. coli* در چهار مکان را آشکار کرد (ریشه میانگین مربع خطا 0.116 و میانگین سوگیری -0.067)، که نشان میدهد مدل برای شناسایی شهرهای با ریسک پایینتر نسبت به شهرهای با ریسک بالاتر قابل اعتمادتر است. شامل دادههای عمق آب زیرزمینی و شرایط بهداشتی میتواند قابلیت اطمینان مدل را افزایش دهد. این رویکرد ابزاری غربالگری با هزینه کم برای اولویتبندی اقدامات ایمنی آب در جایی که تأمین خودکار آب شهری گسترده و دادهها محدود است، ارائه میدهد.
روش پژوهش
رگرسیون لجستیک برای مدلسازی احتمال آلودگی بر اساس دادههای کیفیت آب از ۶۱۹ خانوار در نظرسنجی ملی ۲۰۲۰ استفاده شد. امتیاز ریسک سطح شهر با ترکیب احتمال آلودگی پیشبینیشده و نسبت خانوارهای وابسته به آبهای زیرزمینی تأمینشده خودکار (از نظرسنجی ۲۰۲۲) ساخته شد.
محدودیتها
مدل احتمال تجاوز *E. coli* را در چهار مکان به طور سیستماتیک زیرمقدار پیشبینی کرد. شامل دادههای عمق آب زیرزمینی و شرایط بهداشتی میتواند قابلیت اطمینان مدل را افزایش دهد.
نمای PICO و پیامدها
- جمعیت
- ساکنان شهری اندونزی (خانوارهای شهری)
- مداخله/مواجهه
- رتبهبندی ریسک آلودگی آبهای زیرزمینی تأمینشده خودکار
- مقایسه
- نظرسنجیهای ملی کیفیت آب (۲۰۲۰) و اجتماعی-اقتصادی (۲۰۲۲)
- حجم نمونه
- ۶۱۹ خانوار (برای مدلسازی)، ۹۹ شهر (برای رتبهبندی)، ۱۴ مکان (برای اعتبارسنجی)
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل