MétaCan
Menu
Retour à la cohorte
Enregistrement W2159129573 · doi:10.2166/wqrjc.2011.014

Maintenance strategies for on-site water disinfection by ultraviolet lamps on dairy farms

2011· article· en· W2159129573 sur OpenAlexafffund
Daniel I. Massé, L. Masse, Edward Topp, Guy Séguin, Lina M. Ortega, Andrew Scott, Éric Pariseau

Notice bibliographique

RevueWater Quality Research Journal · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFecal contamination and water quality
Établissements canadiensDairy Farmers of OntarioAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaDairy Farmers of Ontario
Mots-clésMilkingEnvironmental scienceFecal coliformPulp and paper industryEnvironmental engineeringFood scienceWaste managementChemistryAnimal scienceWater qualityBiologyEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Bacteria have been detected in many water supplies on dairy farms, and the water used to wash milking equipment should be free of bacteria. This study evaluated two ultraviolet (UV) technologies, with and without automatic sleeve cleaning device, as on-farm water disinfection system. No fouling was observed during 6 months of continuous operation of the self-cleaning UV system. The dose provided by a non self-cleaning UV lamp decreased by 41% and 96% after 30 and 60 days of continuous operation, respectively, at the maximum recommended water hardness and iron levels. However, when the lamp was operated 2 hours, twice daily, as on dairy farms disinfecting water solely to wash milking equipment, the dose decreased by 9% and 50% after 30 and 60 days, respectively. A UV system with self-cleaning capability is thus recommended for most farms, or monthly manual cleanings will be required to limit fouling and ensure water disinfection. Both UV technologies were efficient in disinfecting water containing high pathogen concentrations. A dose of 136 mJ/cm2 completely deactivated 1090 and 595 CFU/100 mL of total and fecal coliforms, respectively. Under proper management, the use of UV lamps could thus provide bacteria-free water to wash milking equipment on dairy farms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,149
Tête enseignante GPT0,379
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetFecal contamination and water qualityTravaux en français237 207