論文の概要: Quantifying the Threat: A Bayesian Probabilistic Framework for Heavy Metal Health Risks among Children in the Densu Basin, Ghana

• arxiv url: http://arxiv.org/abs/2610.28064v1
• Date: Tue, 20 Oct 2026 11:48:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.793104
• Title: Quantifying the Threat: A Bayesian Probabilistic Framework for Heavy Metal Health Risks among Children in the Densu Basin, Ghana
• Title（参考訳）: 脅威の定量化:ガーナ・デンス盆地における重金属健康リスクのベイズ確率的枠組み
• Abstract要約: 本研究は,94の地下水試料を用いた非発癌リスク評価のためのベイズ確率的枠組みを適用した。 Pb、As、Cdが累積リスクを支配している。 高リスクゾーンは、単一の金属による極端な汚染よりも、中程度の露光を反映することが多い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Groundwater in Ghana's Densu River Basin remains a key domestic water source, but multi-metal contamination threatens children's health. Previous deterministic hazard index assessments provide limited treatment of uncertainty, co-exposure, and spatial variability. This study applies a Bayesian probabilistic framework for non-carcinogenic risk assessment using 94 groundwater samples and measurements of Fe, Mn, Ni, Pb, Cd, and As. A Bayesian regression model propagates parameter uncertainty and accounts for contaminant co-occurrence. Adaptive Hamiltonian Monte Carlo is used for posterior inference, while inverse distance weighting generates spatially continuous risk surfaces. Pb, As, and Cd dominate cumulative risk. Posterior predictive results indicate that approximately 31% of sampling sites have a probability greater than 0.5 of exceeding a hazard index (HI) of 1. The risk surface is highly heterogeneous, with a posterior mean of 0.372 and a standard deviation of 0.416. High-risk zones often reflect moderate co-exposure rather than extreme contamination by a single metal. The framework provides uncertainty-aware, spatially explicit information to support groundwater monitoring, risk mitigation, and public health planning in data-limited regions.
• Abstract（参考訳）: ガーナのデンス川流域の地下水は主要な水源であるが、マルチメタル汚染は子供の健康を脅かす。 これまでの決定論的ハザード指数評価は、不確実性、共同露光、空間的変動の限られた扱いを提供する。 本研究では,94の地下水試料とFe,Mn,Ni,Pb,Cd,Asの測定値を用いた非発癌リスク評価のためのベイズ確率的枠組みを適用した。 ベイズ回帰モデルはパラメータの不確かさを伝播し、汚染物質共起の原因となる。 適応ハミルトニアンモンテカルロは後部推論に使われ、逆距離重み付けは空間的に連続的な危険面を生成する。 Pb、As、Cdが累積リスクを支配している。 後方予測の結果, 試料採取地点の約31%は, 有害指数(HI)を0.5以上越える確率が1。 リスク面は非常に均一であり、後方平均は0.372、標準偏差は0.416である。 高リスクゾーンは、単一の金属による極端な汚染よりも、中程度の露光を反映することが多い。 このフレームワークは、地下水モニタリング、リスク軽減、およびデータ制限地域における公衆衛生計画を支援するために、不確実性を認識し、空間的に明示的な情報を提供する。

関連論文リスト

• Distributionally Faithful Imputation via Positive Semi-Definite Kernel Density Estimation [55.47411235954028]
  マスク観測による密度推定では,不規則に不規則に不規則な計算を行う。 我々は,ニュートン内点法で解ける閉じた形状の辺縁を持つ凸型経験的リスク問題を得る。 結果のPSDインプットモデルでは、同一の入射密度から単一および多重インプットが得られる。
  論文  参考訳（メタデータ） (2026-07-08T15:51:05Z)
• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• Anomaly Detection in Soil Heavy Metal Contamination Using Unsupervised Learning for Environmental Risk Assessment [1.3894129376500928]
  重金属はガーナの都市化が急速に進んでいる地域で環境と公衆衛生の懸念を持続的に引き起こしている。 本研究では,土壌中の重金属汚染パターンを異常に検出し,特徴付けるために,教師なし機械学習フレームワークを適用した。 3つの異なる異常型が同定された: S3では極度のCu濃縮、S4では不均一に低いNi、S9-S12では中等度多金属(Pb-Zn)共存であった。
  論文  参考訳（メタデータ） (2026-04-29T18:47:19Z)
• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• Efficient and Debiased Learning of Average Hazard Under Non-Proportional Hazards [9.620492866279326]
  平均危険度(AH)は、人口レベルの個人時間事象率であり、比例的危険度を仮定することなく、明確に定義され、解釈可能である。 我々は,共同調整型AHのための半パラメトリック2倍頑健なフレームワークを開発した。 SEER-Medicarelinked data を用いた進行黒色腫に対する免疫療法法の比較により, 比較有効性研究における実用的有用性を示す。
  論文  参考訳（メタデータ） (2026-02-13T21:30:49Z)
• Statistical Estimation of Adversarial Risk in Large Language Models under Best-of-N Sampling [50.872910438715486]
  大規模言語モデル(LLM)は、通常、単一ショットまたは低予算の逆のプロンプトの下で安全性を評価する。 我々は,Best-of-Nサンプリングの下でのジェイルブレイク脆弱性をモデル化するための,スケーリング対応のリスク推定手法であるSABERを提案する。
  論文  参考訳（メタデータ） (2026-01-30T06:54:35Z)
• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Debiased maximum-likelihood estimators for hazard ratios under kernel-based machine-learning adjustment [0.0]
  本稿では,カーネルベースの機械学習を用いて,潜伏変数の有無にかかわらず設定されたリスクの変化を明示的にモデル化することを提案する。 数値シミュレーションにより,提案手法は最小バイアスで真のハザード比を同定することを確認した。
  論文  参考訳（メタデータ） (2025-07-23T16:51:09Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。