Fate and Transport Modeling of Potential Pathogens: The Contribution From Sediments<sup>1</sup>
Notice bibliographique
Résumé
Abstract: Escherichia coli was used as a bacterial tracer for the development, calibration, and validation of a watershed scale fate and transport model to be extended to a suite of reference pathogens ( Cryptosporidium , Giardia , Campylobacter , E. coli O157:H7). E. coli densities in water and sediments from the Blackstone River Watershed, Massachusetts, were measured at three sites for a total of five wet weather events and three dry weather events covering three seasons. The confirmed E. coli strains were identified by ribotyping for tracking the sources of E. coli and for determining the association of downstream E. coli isolates with isolates from upstream sediments. A large number of downstream samples were associated with upstream sediment sources of E. coli . E. coli densities ranged from 71 to 6,401 MPN/100 ml in water samples and from 2 to 335 MPN/g in sediments. Pearson correlation analysis revealed significant correlations between E. coli and total coliforms in water ( r = 0.777, p < 0.01) and sediments ( r = 0.728, p < 0.01). In addition, E. coli concentrations in water were weakly correlated with sediment particle size and sediment concentrations ( r = 0.298, p < 0.01). A hydrologic model, WATFLOOD/SPL9, was used to predict the temporal and spatial variation of E. coli in the Blackstone River. The rapid rise of stream E. coli densities was more accurately predicted by the model with the inclusion of sediment resuspension, thus demonstrating the importance of the process.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».