Pathogens in Water: Value and Limits of Correlation with Microbial Indicators
Notice bibliographique
Résumé
This article discusses the value and limitations of using microbial indicators to predict occurrence of enteric pathogens in water. Raw or treated sewage is a primary source of fecal contamination of the receiving surface water or groundwater; hence, understanding the relationship between pathogens and indicators in sewage is an important step in understanding the correlation in receiving waters. This article presents three different datasets representing different concentrations of pathogens and microbial indicators: sewage containing high concentrations of pathogens and indicators, surface water with variable concentrations, and groundwater with low concentrations. In sewage, even with very high levels of microorganisms, no mathematical correlation can predict the type or concentration of any pathogen. After discharge in the environment, direct correlation becomes biologically improbable as dilution, transport, and different inactivation rates occur in various environments. In surface waters, advanced statistical methods such as logistic regression have provided some level of predictability of the occurrence of pathogens but not specific counts. In groundwater, the continuous absence of indicators indicates an improbable occurrence of pathogen. In contrast, when these indicators are detected, pathogen occurrence probability increases significantly. In groundwater, given the nature and dissemination pattern of pathogenic microorganisms, a direct correlation with fecal microbial indicators is not observed and should not be expected. However, the indicators are still useful as a measure of risk. In summary, many pathogens of public health importance do not behave like fecal microbial indicators, and there is still no absolute indicator of their presence, only a probability of their co-occurrence.
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 | 0,042 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».