Evaluating the Efficacy of Hollow Fiber Pre-Concentrator for Water Quality Monitoring
Notice bibliographique
Résumé
Simple, efficient and compact concentrating systems are of prime importance to the development of portable biosensor based testing solutions for bacterial contamination in potable water. Bacteria are non-uniformly distributed in drinking water and hence testing with small sample volumes does not provide an accurate estimation. Hence bacteria have to be concentrated from large volumes of water of the order of 100 mL as recommended by United States Environmental Protection Agency (USEPA) to a few hundred microliters to accommodate within portable biosensor platforms like Lab on a Chip (LOC), paper microfluidics and micro-cantilever systems. In the present work, we have developed a simplified, rapid, handheld and field deployable concentrating module which involves filtration of contaminated water through a hollow fiber filter using tangential flow filtration and a subsequent elution step to facilitate the transfer of the concentrated mixture on to a portable biosensor platform. The process involves the collection of water sample in a 5 mL syringe. With the aid of two other syringes, the sample volume is concentrated by passing it through the hollow fiber a couple of times. For improved efficiency, bacteria recovery is performed using 1 mL of a non-ionic surfactant (Tween 20) solution as an elution fluid which is administered by another syringe. The bacteria along with the elution fluid form the required concentrated mixture. This elution strategy was found to be very efficient and the product recovery was close to 85%. With further modification to the current configuration, the system can be developed into a highly efficient pre-concentrating module compatible with any microfluidics based platform.
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 | 0,000 | 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 ».