MétaCan
Menu
Retour à la cohorte
Enregistrement W1972305146 · doi:10.2166/wh.2014.059

Multiparametric comparison of chromogenic-based culture methods used to assess the microbiological quality of drinking water and the mFC method combined with a molecular confirmation procedure

2014· article· en· W1972305146 sur OpenAlexaff
Andrée F. Maheux, Vanessa Dion-Dupont, Marc-Antoine Bisson, Sébastien Bouchard, Éric Jubinville, Martine Nkuranga, Lynda Rodrigue, Michel G. Bergeron, Manuel J. Rodríguez

Notice bibliographique

RevueJournal of Water and Health · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFecal contamination and water quality
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésChromogenicAgarEscherichia coliChromatographyAgar plateMicrobiologyBiologyChemistryFood scienceBacteriaGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

MI agar and Colilert(®), as well as mFC agar combined with an Escherichia coli-specific molecular assay (mFC + E. coli rtPCR), were compared in terms of their sensitivity, ease of use, time to result and affordability. The three methods yielded a positive E. coli signal for 11.5, 10.8, and 11.5% of the 968 well water samples tested, respectively. One hundred and thirty-six (136) samples gave blue colonies on mFC agar and required confirmation. E. coli-specific rtPCR showed false-positive results in 23.5% (32/136) of cases. In terms of ease of use, Colilert was the simplest method to use while the MI method provided ease of use comparable to all membrane filtration methods. However, the mFC + E. coli rtPCR assay required highly trained employees for confirmation purposes. In terms of affordability, and considering contamination rate of well water samples tested, the Colilert method and the mFC + E. coli rtPCR assay were at least five times more costly than the MI agar method. Overall, compared with the other two methods tested, the MI agar method offers the most advantages to assess drinking water quality.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,114
Score d'incertitude au seuil0,285

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0000,000

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 Opus0,097
Tête enseignante GPT0,422
Écart entre enseignants0,325 · 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 tête enseignante, 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and HealthMême sujetFecal contamination and water qualityTravaux en français237 207