撒哈拉以南非洲地区娱乐泳池水质的监测与预测性评估：基于逻辑回归的公共卫生保护方法

《Desalination and Water Treatment》：Monitoring and Predictive Assessment of Recreational Pool Water Quality in Sub-Saharan Africa: A Logistic Regression Approach to Public Health Protection

　　休伯特·丹夸·尼亚尔科（Hubert Danquah Nyarko）| 阿尔伯特·埃申（Albert Eshun）| 普林斯·克韦西·耶博阿-丹索（Prince Kwesi Yeboah-Danso）| 阿尔伯特·库姆森（Albert Koomson）| 托马斯·罗宾·戴维斯（Thomas Robin Davis）| 乔纳森·恩托（Jonathan Ntow）| 朱莉安娜·阿莫阿（Juliana Amoah）

加纳开普海岸大学（University of Cape Coast）农业与自然科学学院物理科学系实验室技术部门

**摘要**
撒哈拉以南非洲的城市游泳池由于游客数量过多、消毒不均匀以及监管不力，面临日益增加的微生物污染风险。然而，大多数设施仍然依赖反应性监测，只有在实验室结果出来后才能确认微生物危害，这延长了游泳者暴露在不安全环境中的时间。本研究开发了一个综合监测框架和一个Nowcast逻辑回归模型，以提供实时的污染可能性，从而实现更主动的公共卫生保护。在加纳开普海岸的四个高使用频率的室外游泳池中应用了系统分层采样方法，收集了216个水样，检测六个理化参数（pH值、温度、浊度、游离氯、盐度和溶解氧）和两个微生物指标（总活菌数和总大肠菌群）。数据通过描述性统计、主成分分析（PCA）和Nowcast风格逻辑回归建模进行处理。结果显示，这些指标经常超出指南标准，包括pH值不稳定（4.44–6.93）、游离氯残留量变化（0.03–3.71 mg/L）以及微生物负荷过高（8.33–28.33 CFU/mL），反映出消毒系统的间歇性故障和理化条件的不稳定。PCA分析表明，游离氯、温度、pH值和浊度是将低风险和高风险游泳池区分开来的主要变量，这与控制消毒剂效果、氯衰减和微生物屏蔽的机制一致。使用这些预测因子的逻辑回归Nowcast模型达到了77.3%的准确率、56.5%的精确度、100%的召回率、67.7%的特异性以及72.2的F1分数，显示出对检测不安全条件的强敏感性。该模型的概率输出（P_now）使得在实验室确认之前快速采取基于证据的干预措施成为可能，如调整剂量、加强监测或临时关闭游泳池。

**1. 引言**
公共游泳池是城市基础设施的重要组成部分，提供了社交互动、健身和休闲的好处[1],[2]。然而，如果管理不善，它们可能成为水源性疾病的传播媒介[3]。全球范围内，与娱乐用水相关的疫情涉及的病原体包括贾第虫（Giardia lamblia）、隐孢子虫（Cryptosporidium parvum）、铜绿假单胞菌（Pseudomonas aeruginosa）、肺炎军团菌（Legionella pneumophila）和致病性大肠杆菌（Escherichia coli）[4],[5]。当消毒不足、水质失衡或浊度过高时，这些微生物可能在含氯水中持续存在，导致胃肠道、皮肤和呼吸系统疾病[6],[7]。儿童、老年人和免疫系统较弱的人群尤其容易受到影响[8],[9]。

世界卫生组织[10],[11]提供了维护安全娱乐用水环境的全面指导，强调理想的理化条件，特别是pH值应在7.2至7.8之间，游离氯浓度应在1至3 mg/L之间，并确保没有可检测到的粪便污染。尽管有这些标准，但由于资源有限、监管不力和操作员培训不足，许多发展中国家的执行情况并不一致[8],[12]。微生物监测往往被低估，导致健康危害的检测延迟。

在加纳，像其他国家一样，酒店业的增长导致了公共游泳池数量的增加，尤其是在开普海岸等旅游区[13],[14],[15]。这些设施吸引了当地和国际用户，导致游客数量众多，从而引入了有机物、病原体和水质不稳定[16],[17],[18]。虽然许多设施会监测pH值、氯含量和浊度，但微生物检测仍然很少；氯的消毒效果对pH值的变化非常敏感[8]。较高的浊度可以屏蔽微生物，而温暖的热带气候则促进微生物生长并加速氯的降解[19],[20]。

开普海岸的大多数游泳池采取反应性监测方式，只有在实验室结果出来后才能确认微生物污染，通常会有24至48小时的延迟[21]。这种延迟延长了游泳者暴露在不安全环境中的时间，阻碍了及时干预。转向主动、预测性的方法，将环境、运营和微生物数据整合到一个统一的风险模型中是必要的。Nowcast逻辑回归建模为与游泳池相关的健康风险提供了有效的解决方案[22],[23],[24],[25]。通过将水质视为二元结果（安全或不安全），它允许基于多个预测变量来建模污染概率[26],[27]。这种方法能够处理多重共线性，提供可解释的比值比，并且在数据量不大的情况下具有更好的预测性能[28]。它的计算效率高，非常适合资源有限的情境下的实时决策支持。

本研究整合了开普海岸公共游泳池的理化、微生物和运营数据，以识别影响微生物污染的最重要因素，并开发了一个具有地方相关性的逻辑回归模型。通过从反应性监测转向主动预测，旨在为游泳池操作员和公共卫生官员提供一种科学严谨、数据驱动的工具，以便在加纳及撒哈拉以南非洲类似的城市环境中实现快速干预、优化资源利用和提高水质安全。尽管全球有许多研究关注游泳池水质，但撒哈拉以南非洲的相关研究仍然很少，将预测分析整合到娱乐用水监测中的情况更为罕见。现有研究大多侧重于理化合规性或回顾性微生物评估，而非前瞻性、数据驱动的预测。本研究通过针对当地游泳池条件定制的Nowcast逻辑回归框架，推进了监测科学的发展，实现了从简单测量到实时评估和概率预测的转变。这种方法代表了从传统上侧重于定期检测和延迟实验室确认的监测方式向连续风险估计的方法论转变，能够指导即时的公共卫生行动。

**2. 材料与方法**
**2.1. 研究区域**
本研究在加纳开普海岸的四个公共游泳池进行（图1），这是一个拥有热带气候和众多旅游相关设施的沿海城市。这些与酒店相连的游泳池代表了该地区的典型公共使用设施。为保护隐私，它们被编码为SH、SL、PH和DH。所有都是室外游泳池，容量在5,000至7,000加仑之间。这些游泳池是开普海岸最常使用的游泳池，服务各类用户，包括儿童、游客、学生和当地居民。每周的游客数量差异很大，有些设施接待的游泳者超过150人，而有些则少于50人。大量游客增加了水质挑战的可能性，如理化失衡和微生物污染。

**2.2. 研究设计与采样策略**
设计了一个系统分层采样框架，以捕捉开普海岸城市游泳池水质的时间和空间变化。首先根据运营特征（如游客数量、处理方案和游泳池类型（公共、机构或酒店）对设施进行分层，然后根据可访问性和安全合规记录进行系统选择。在确定的十个高使用频率的游泳池中，有四个（40%）同意参与研究。采样每周进行两次，持续三周，共收集了216个水样（每个地点52-56个），代表了常规使用和高峰使用条件。

为了最小化温度和消毒剂残留量的日变化，所有采集都在格林尼治标准时间（GMT）的09:00至11:00之间进行，符合世界卫生组织[29]对热带娱乐用水监测的建议。样品从三个垂直位置（水面、约0.3米深处和靠近底部的区域）以及远离进水口/出水口的位置采集。对于微生物分析，使用了预先添加了0.1%（重量/体积）硫代硫酸钠的500毫升高压聚乙烯瓶，以中和氯残留物，符合美国公共卫生协会[30]的指南。由于范围和实验室限制，未包括大肠杆菌和痕量金属的检测；然而，建议在未来监测中加入这些指标，以加强粪便风险归因和化学危害评估。

**2.2.2. 质量保证与质量控制（QA/QC）**
为了确保数据的可靠性、可重复性和采样事件之间的可比性，在整个现场采集、实验室分析和数据验证阶段实施了严格的质量保证和质量控制（QA/QC）程序。仪器校准和标准化遵循《水质和废水检测标准方法》[30]和美国环保署《水质项目质量保证手册》[31]中的指南。样品的理化读数和微生物测定（包括现场空白样）进行了三次重复测试，并取平均值。校准验证标准用于检测潜在的污染、分析偏差或处理偏差。对于微生物分析，使用了无菌技术和参考对照菌株，以确保培养的完整性和平板准确性。所有数据都进行了内部一致性检查，包括现场和实验室记录之间的交叉验证。本研究采用的质量保证和质量控制（QA/QC）程序总结见表1。

**表1. 质量保证与质量控制（QA/QC）程序概述**
| QA/QC要素 | 描述 | 目的/参考 |
|-----------|--------|---------|
| 仪器校准 | 在使用前使用认证标准对所有探头和仪表（pH值、电导率、氯）进行校准 | 确保测量的准确性和一致性 [30],[31] |
| 现场空白样 | 在采样现场运输和处理的去离子水，与样品一起分析 | 检测采样或运输过程中的交叉污染 |
| 现场重复样 | 从同一地点和时间采集10%的样品 | 评估可重复性和现场变异性 |
| 样品保存 | 将样品存放在≤4°C下并在2小时内进行微生物测试；24小时内进行理化测试 | 保持分析物的完整性 [30] |
| 实验室对照 | 在微生物培养分析中使用阳性和阴性对照 | 确保培养的有效性并识别误报/漏报 |
| 校准验证 | 每10次读数使用中间范围的标准溶液进行校准验证 | 检测仪器漂移和分析误差 [31] |
| 数据验证 | 核对现场记录和实验室录入；标记和审查异常值 | 确保数据集的可追溯性和可靠性 |

**2.3. 理化分析**
使用Horiba U52多参数探头在现场测量了关键理化参数，如pH值、游离氯、浊度、温度、电导率、盐度和溶解氧。使用前对仪器进行了校准，并在每个地点记录了每个参数的三个重复值以确保准确性和可重复性。报告的盐度值是通过仪表的标准电导率-盐度转换设置得出的仪器估计值（不是离子组成的直接测量）。溶解氧作为辅助的背景变量，反映了曝气状态和潜在的有机负荷；氧化还原电位（ORP），一个常见的消毒效果操作指标，在本次现场调查中未包括，建议在未来监测中加入。由于范围和实验室限制，未包括大肠杆菌和痕量金属的检测；然而，建议在未来监测中加入这些指标，以加强粪便风险归因和化学危害评估。选择这些参数是为了捕捉在当前条件下最相关的、可常规测量的游泳池水质指标，并因为它们与消毒剂稳定性、微生物持久性和水质条件有直接或间接的相关性[32]。3.1 游泳池水质的描述性特征及机制性影响
在凯普科斯特采样的四个公共游泳池（分别编号为SH、SL、PH和DH）中，表2中显示的理化和微生物参数频繁偏离了安全娱乐用水的推荐操作目标[10]。观察到的pH值范围为4.44至6.93，游离氯残余量从0.03至3.71毫克/升不等，而微生物指标（总活菌数和总大肠菌群）则在8.33至28.33 CFU/毫升之间波动。这些发现表明，即使在经过管理的加氯游泳池中，当控制消毒效果的机制不稳定时，水质也可能恶化到不安全的水平。值得注意的是，加纳没有自己的监管框架或推荐指南限值，而是采用或遵循世界卫生组织（WHO）的基准标准来进行运营或制定法规。

3.2 多变量主成分分析揭示了池间差异的机制驱动因素
为了识别影响游泳池水质的主要控制因素，对综合数据集进行了主成分分析（PCA）（图2）。PCA结果显示，根据理化和微生物特性，游泳池之间存在明显的分组，前两个主成分解释了大部分的变异度（理化参数：PC1 = 63.6%，PC2 = 23.7%；微生物参数：PC1 = 61.2%，PC2 = 22.5%）。这种强烈的维度减少表明，有限的相互作用变量控制了大部分池间水质的变化。

3.3 深度分层PCA显示了理化混合但微生物存在异质性
为了评估污染风险是否在垂直方向上均匀分布，进行了不同采样深度（表层、中等深度约0.3米和接近底部的层次）的PCA分析（图3）。理化PCA显示出各深度之间的参数相对紧密聚集，表明循环和混合过程通常使得池水柱中的pH值和消毒剂残余量等参数均匀化。然而，微生物PCA显示了不同深度层次之间的较大分散，表明微生物污染存在空间异质性。从机制上讲，这是可以理解的，因为微生物不仅受整体化学环境的影响，还受到池底沉积物区、墙面表面和生物膜生态位等微环境的影响。附着在颗粒上的细菌可能沉淀在池底，而生物膜可能在清洁不佳的区域持续存在，即使水的化学性质看似合格。此外，游泳者的活动在表层和浅水区集中了有机物，从而产生了局部的高氯需求区。这些与深度相关的微生物模式支持了这样的观点：理化均匀性并不能保证微生物的均匀性，因此微生物监测对于全面的风险控制仍然至关重要。

3.4 理化参数的无监督聚类确认了温度–pH–氧气相互作用的主导作用
无监督聚类（图4）进一步揭示了温度、pH值和溶解氧是导致池间变化的主要因素。从机制上讲，温度可以加速氯的衰减并增加微生物的生长潜力；pH值控制氯的形态和消毒效果；溶解氧可以反映曝气状况，并间接关联到有机负荷和微生物呼吸作用。这些参数共同构成了决定游泳池是否保持稳定低风险状态或转变为不稳定高污染状态的“控制旋钮”。

3.5 日光驱动的游离氯衰减建模
在室外条件下，日光是游离氯消耗的另一个重要途径，这对消毒剂的持久性和微生物风险控制具有重要意义。如表3所示，1小时后的氯保留分数表明，在没有氰尿酸（CYA）的情况下，经过1小时的强烈日光照射后，只有65.3%的游离氯残留，对应于一阶衰减常数0.4308小时?1和较短的半衰期1.61小时。相比之下，增加氰尿酸浓度逐渐降低了衰减率，10、20和30毫克/升的CYA分别产生了0.1278、0.0513和0.0305小时?1的衰减常数，以及相应的更长半衰期5.42、13.51和22.76小时。图5中的衰减曲线直观地展示了这一现象：在没有氰尿酸的情况下，游离氯显著减少；而氰尿酸浓度增加时，衰减曲线趋于平缓。以2.0毫克/升的起始浓度为例，模型表明，在无稳定剂的情况下，一夜之间的阳光照射可能导致氯残留量接近耗尽；而适量的氰尿酸则显著保持了消毒剂的残留。从机制上讲，这一发现对于热带户外游泳池尤为重要，因为在高温条件下，强烈的太阳紫外线会加速游离氯的降解，而较高的水温和来自游泳者的持续有机负荷会进一步增加氯的消耗并破坏消毒剂的残留屏障。

3.6 微生物聚类识别出由操作不稳定性驱动的污染模式
微生物聚类分析（图6）揭示了四种不同污染模式。低计数的微生物群集反映了持续的消毒和过滤效果；相反，以高总活菌数和大肠菌群指标为主的群集表明游离氯残留量间歇性减少，浊度或有机负荷增加，或者过滤周转不足。这些模式与已有证据一致，即微生物指标的变化速度比理化参数更快，因为微生物动态对突发性输入和短期控制失败反应强烈[20]、[34]。

3.7 现在逻辑回归将机制性控制因素与概率性安全结果联系起来
本研究的一个创新点是开发了一种现在逻辑回归模型，该模型将常规的游泳池监测变量转换为污染的实时概率（P_now）。逻辑回归适用于分类二元安全结果，并提供了可解释的系数，以识别风险的控制因素[26]、[27]。现在用于游泳池的Nowcast逻辑回归模型利用快速可测量的物理化学参数作为预测因子来预测微生物不合格（不安全状态）的概率，而微生物指标则用于定义二元结果（安全/不安全）。该模型表示为：logit(p_now) = (1) - 1.509 - 0.434β0 - 0.549β1 - 2.342β2 - 0.702β3 + 0.526β4 + 0.021β5，其中β0=温度，β1=pH值，β2=游离氯，β3=浊度，β4=盐度，β5=溶解氧。模型系数表明，游离氯对污染概率的负面影响最大，这验证了其作为主要消毒剂屏障的机制作用。温度和pH值也会影响污染的可能性，反映了它们在加速氯衰减和调节消毒剂效果中的作用。因此，该模型在机制性水质和公共卫生风险分类之间提供了定量桥梁：当氯残留量下降或pH值不稳定时，预测的污染概率上升，表明需要立即采取干预措施。

这种方法将游泳池安全管理从反应性确认（延迟的微生物检测结果）转变为主动控制，与基于风险的水质安全框架[10]、[31]保持一致。与预测连续细菌浓度的经典回归模型相比，逻辑模型具有直接估计污染概率的优势，在操作环境中更具实用性[27]。虽然更复杂的机器学习模型（如随机森林或神经网络）可以捕捉非线性相互作用并可能实现更高的预测精度，但它们往往缺乏可解释性，使其不适用于即时管理决策[41]、[42]。贝叶斯逻辑回归提供了类似的解释框架，并增加了不确定性量化[43]，但现在模型在精度、可解释性和操作适用性之间取得了平衡。通过整合物理化学和微生物参数，Nowcast逻辑回归模型为提高游泳池安全性和优化监测资源提供了一个实用、可解释且基于证据的工具。在将Nowcast逻辑回归模型与其他预测方法进行比较时，该模型在可解释性和预测性能之间展示了良好的平衡。在验证中，它获得了高精度和F1分数，表明能够可靠地识别受污染的游泳池，而没有过多的假阳性或假阴性。

3.8. ROC性能证实了安全与不安全状态之间的有效区分
使用接收者操作特征（ROC）曲线（图7）评估了模型的区分能力。
下载：下载高分辨率图片（78KB）
下载：下载全尺寸图片
图7. Nowcast逻辑回归模型的ROC曲线显示了区分性能。AUC值为0.769，表明模型能够在不同阈值下可靠地区分不安全样本和安全样本。这种性能水平与用于娱乐水质管理的现在预测模型相当，其中AUC值高于0.70通常被认为对公共卫生决策支持具有操作价值[44]、[45]。从机制上看，这种区分能力是因为所使用的预测因子（氯、pH值、浊度、温度）不是任意的，它们代表了调节微生物存活和消毒效果的因果控制因素。因此，ROC性能间接证明了预测框架中正确捕捉了这些机制性控制因素。

3.9. 混淆矩阵显示了保守的公共卫生优先级（零假阴性）
混淆矩阵（图8）进一步评估了分类结果。
下载：下载高分辨率图片（39KB）
下载：下载全尺寸图片
图8. Nowcast逻辑回归模型对游泳池安全状态的分类混淆矩阵。
该模型正确识别了21个安全样本（真阴性）和13个不安全样本（真阳性），同时将10个安全样本误分类为不安全样本（假阳性），并且没有产生假阴性。这导致了77.3%的准确率、56.5%的精确度、100%的召回率和67.7%的特异性，以及72.2的F1分数。从机制和公共卫生的角度来看，没有假阴性是非常理想的，因为假阴性意味着错过了可能导致游泳者患病的污染事件。适度的精确度反映了保守的分类行为，即模型将临界条件标记为不安全。从机制上讲，这可能是因为接近阈值条件的游泳池（例如，氯残留量较低、pH值波动、浊度适中）实际上是不稳定的，并且容易出现微生物反弹，即使某个样本暂时看起来“安全”。因此，模型的保守偏见可以解释为一种预防性安全特性，而不是弱点，这与现在模型通常旨在最小化遗漏危害的方式一致[46]、[47]。

3.10. 操作决策支持：将机制性控制转化为实时干预
除了描述性超标报告之外，Nowcast概率输出（P_now）还将机制性理解转化为实用的管理工具。泳池操作员可以测量温度、pH值、游离氯和浊度，将这些值输入模型，获得污染可能性得分。概率方程（Nowcast风格）：(2) P_now = 1 / (1 + exp(-logit(p_now)) 是一个逻辑转换，将对数几率转换为有界的概率（0–1），直接表达了游泳池不安全的概率。例如，计算出的P_now = 0.50对应于50%的污染概率，这会触发立即的管理响应，如冲击性氯化、临时关闭或重新测试。这种决策支持方法在Cape Coast背景下特别有价值，因为微生物实验室检测可能涉及24-48小时的延迟，在此期间游泳者仍然处于风险之中。通过将机制性控制因素嵌入预测框架，泳池管理可以从延迟确认转变为预防性行动。在这个框架中，阈值P_now ≥ 0.5可以作为区分“不安全”与“安全”泳池条件的操作标准。通过这种转换，Nowcast模型超越了回顾性评估，实现了实时风险预测。与静态合规检查不同，它不断整合新的测量数据，使设施管理者能够在污染事件发生之前预测到它们。这种概率方法支持适应性管理，符合世界卫生组织对早期预警监控的强调，以及欧盟沐浴水指令和USEPA指南[10]、[31]、[48]中采用的基于风险的框架。

该模型由游离氯、温度和pH值等主要预测因子驱动，在验证中实现了77.3%的总体准确率和完美的召回率，意味着它成功检测到了所有不安全的泳池条件。这种可靠性对于公共卫生保护尤为重要，因为假阴性（遗漏的污染事件）比假阳性（不必要的关闭）带来的风险更大。因此，该模型既具有诊断功能，也具有管理功能，确保即使在数据稀少的撒哈拉以南非洲监测系统中，决策者也能基于证据采取行动。

将Nowcast框架集成到常规监测系统中，可以将传统的水质监测转变为预测性、基于反馈的过程。通过将该模型嵌入移动数据收集平台或仪表板界面，当地环境卫生官员可以可视化污染概率，优先安排现场检查，并几乎实时实施有针对性的干预措施。因此，Nowcast模型实现了从监测→评估→管理的连续过程，符合《环境监测与评估》期刊推进可持续环境决策制定工具的使命。

3.11. 基于机制风险途径的暴露和公共卫生影响
尽管本研究提供了机制性解释和预测性监测框架，但它没有量化消毒副产物（DBPs），如氯胺或三卤甲烷。这些副产物可能在氯与游泳者产生的有机物质和氮化合物反应时形成，可能产生额外的危害，如呼吸道刺激和慢性暴露风险。未来的研究应该将总氯、氮物种（如氨/尿素）和DBP分析纳入当前框架，以扩展机制性分辨率和危害特征描述，同时保持预测能力。由于没有量化总有机碳（TOC）/氮驱动因素和金属，我们无法确定阳光、有机负荷或其他需氯反应对氯损失的相对贡献。此外，也没有测量ORP，这限制了与使用ORP设定点进行消毒的设施的操作比较；未来的工作应包括ORP以及游离氯和pH值，以加强实时控制。

3.12. 局限性和未来扩展方向
尽管本研究提供了机制性解释和预测性监测框架，但它没有量化消毒副产物（DBPs），如氯胺或三卤甲烷。这些副产物可能在氯与游泳者产生的有机物质和氮化合物反应时形成，可能产生额外的危害，如呼吸道刺激和慢性暴露风险。未来的工作应该包括大肠杆菌作为粪便指标，并评估选定的金属和DBPs，特别是在使用频繁的室外游泳池中，以扩展机制性分辨率和危害特征描述，同时保持预测能力。我们从机制上解释了氯的衰减，但由于没有量化总有机碳/尿素/氨（以及金属），因此无法确定阳光、有机负荷或金属催化反应的相对贡献；这些应在未来的工作中进行测量。此外，没有一致记录消毒剂类型（如次氯酸钠）、投加方式（手动/自动）和泳池容量/周转率，建议在未来的调查中包括这些因素，以更好地解释氯的需求。我们建议在未来监测中使用ORP，因为它在操作性泳池消毒控制中已有确立的价值，而这在实地考察中未被记录，我们认为这是一个疏忽。

4. 结论
本研究使用现场监测、多变量分析和预测建模评估了加纳Cape Coast四个高使用率公共游泳池的物理化学和微生物质量。结果显示，这些游泳池经常偏离推荐的运行条件，包括不稳定的pH值（4.44–6.93）和高度变化的游离氯残留量（0.03–3.71 mg/L）。多个样本中的微生物风险升高，总活菌数和总大肠菌群计数范围为8.33至28.33 CFU/mL，表明存在潜在的公共卫生风险。这些发现表明，当消毒和常规监测不一致时，游泳池水质可能会变得不安全。主成分分析和聚类显示泳池明显分为低风险和高风险两类。游离氯、温度、pH值和浊度成为影响泳池安全结果的主要机制性控制因素。这证实了游泳者的保护依赖于消毒剂的持久性、pH值依赖的消毒效率、温度驱动的氯衰减以及颗粒物相关的微生物屏蔽作用。为了超越描述性的合规报告，我们开发了一个Nowcast风格的逻辑回归模型来估计实时污染概率（P_now）。该模型达到了77.3%的准确率、56.5%的精确度、100%的召回率和0.769的AUC值，显示出强大的区分性能。完美的召回率表明模型成功识别了所有不安全条件，支持了预防性的公共卫生决策。尽管假阳性降低了精确度，但在遗漏污染事件的成本较高时，这种保守行为是可以接受的。总体而言，所提出的综合监测和预测框架为热带城市环境中的主动泳池管理提供了实用的决策支持工具。例如，我们建议在游泳者负荷高峰期间通过定时投加维持游离氯在推荐范围内，严格控制pH值，改善过滤/反冲洗以控制浊度，并使用Nowcast概率阈值（P_now）来触发强化监测或临时关闭。未来的工作应扩展季节采样范围，并包括消毒副产物和其他化学危害，以提高机制性分辨率和模型的稳健性。

作者未从任何组织或机构获得资助。
声明
作者未报告任何潜在的利益冲突。

未引用的参考文献
[39]、[40]

CRedI作者贡献声明
Juliana Amoah：撰写 - 审阅与编辑、验证、方法学、调查、正式分析。
Albert Koomson：撰写 - 审阅与编辑、撰写 - 原始草稿、验证、方法学、正式分析、数据 curation。
Prince Kwesi Yeboah-Danso：撰写 - 审阅与编辑、撰写 - 原始草稿、验证、方法学、调查、正式分析。
Albert Eshun：撰写 - 审阅与编辑、撰写 - 原始草稿、可视化、验证、方法学、正式分析、数据 curation。
Hubert Danquah Nyarko：撰写 - 审阅与编辑、验证、监督、方法学、概念化。
Jonathan Ntow：撰写 - 审阅与编辑、验证、方法学、调查、正式分析。
Thomas Robin Davis：撰写 - 审阅与编辑、资源、方法学、调查。

关于写作过程中使用生成AI和AI辅助技术的声明
仅使用生成AI工具（ChatGPT 5.2）帮助布局图形摘要，作者对所有内容的准确性和原创性负全责。