Detection of Legionella spp. by fluorescent in situ hybridization in dental unit waterlines
Notice bibliographique
Résumé
AIMS: To confirm the presence of viable Legionella spp. in dental unit waterlines (DUWL) using fluorescent in situ hybridization (FISH) and compare this method with culture approach and also to validate the utility of an enrichment to increase FISH sensitivity. METHODS AND RESULTS: Water samples from 40 dental units were analysed. Three different techniques for detecting Legionella spp. were compared: (i) culture approach, (ii) direct FISH and (iii) FISH with a previous R2A medium enrichment (R2A/FISH). The FISH detection was confirmed by PCR. The use of the direct FISH does not improve significantly the detection of legionellae when compared with the culture. On the contrary, when R2A/FISH was performed, sensitivity was, respectively, two- and threefold higher than that with the direct FISH and culture approach. Using R2A/FISH, 63% of water samples analysed showed a contamination by legionellae. CONCLUSIONS: Legionellae detection by direct FISH and R2A/FISH in dental unit water is possible but is more rapid and more sensitive (R2A/FISH) than the culture approach. SIGNIFICANCE AND IMPACT OF THE STUDY: R2A/FISH showed that several pathogens present in DUWL are viable but may not be culturable. Unlike PCR, R2A/FISH is designed to detect only metabolically active cells and therefore provides more pertinent information on infectious risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».