MétaCan
Menu
Retour à la cohorte
Enregistrement W140802037 · doi:10.2175/106143009x407348

Freezing Inactivation of <i>Escherichia Coli</i> and <i>Enterococcus Faecalis</i> in Water: Response of Different Strains

2009· article· en· W140802037 sur OpenAlexaff
Wa Gao, Ka Yin Leung, N. Hawdon

Notice bibliographique

RevueWater Environment Research · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueFreezing and Crystallization Processes
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésEnterococcus faecalisEscherichia coliMicrobiologyEnterococcusPathogenic Escherichia coliFood scienceLog reductionBiologyChemistryAntibioticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

The effect of freezing temperature (-7, -15, -30 and -80 degrees C), number of freeze/thaw cycles (1 to 5 cycles) and sample volume (100 mL and 100 microL) on the viability of a pathogenic and an opportunistically pathogenic Escherichia coli, a vancomycin-resistant and a vancomycin-sensitive Enterococcus faecalis were examined. About 3.3 to 4.3 and 1.5 to 2.4 log reduction in cell density were observed in E. coli and E. faecalis, respectively, in the 100 mL samples frozen at -30 degrees C or warmer. Freezing at -80 degrees C was the least effective in killing the microbes, on average the log reduction at -80 degrees C was approximately 1.0 to 1.5 units less than those achieved at the three warmer temperatures. Based on statistical analysis, cell inactivation levels achieved at -7, -15, or -30 degrees C were not significantly different (P-value = 0.1648). There were no statistical difference in terms of log reduction obtained under all experimental conditions for the two E. coli strains (P-value = 0.46) and the two E. faecalis strains (P-value = 0.10). The number of freezing/thaw cycles and sample volume, however, profoundly affected inactivation capacity of freezing. Freezing could be an effective method for further reduction of E. coli and Enterococcus in municipal wastewater/sludge.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetFreezing and Crystallization ProcessesTravaux en français237 207