DETECTION OF <i>LISTERIA</i> SP. IN MEAT AND MEAT PRODUCTS USING TECRA <i>LISTERIA</i> VISUAL IMMUNOASSAY AND BIOCONTROL VISUAL IMMUNOPRECIPITATE ASSAY FOR <i>LISTERIA</i> IMMUNOASSAYS AND A CULTURAL PROCEDURE
Notice bibliographique
Résumé
ABSTRACT The routine methods for detecting Listeria sp. in foods are time consuming and involve using selective enrichments and plating on agars. In this study, the presence of Listeria sp. in 120 meat and meat product samples was investigated by two rapid immunoassays (TECRA Listeria Visual Immunoassay [VIA] and BioControl Visual Immunoprecipitate Assay [VIP] for Listeria ) and a cultural procedure. The cultural method of detecting Listeria sp. followed Canada's Health Protection Branch Method, and the rapid tests followed the manufacturers' instructions. The agreement between the cultural and the rapid tests was established at a confidence limit of 95%. Seventy‐nine samples (65.8%) were Listeria sp. positive in at least one of the three tests. There was no statistically significant difference between the cultural procedure and any of the rapid immunoassays. The agreement rates between the VIA and the cultural method and between the VIP and the cultural method were 87 and 84%, respectively. Both tests – the VIA and VIP – proved to be rapid, efficient and easy to perform.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».