Comparison of four β-glucuronidase and β-galactosidase-based commercial culture methods used to detect Escherichia coli and total coliforms in water
Notice bibliographique
Résumé
The MI agar, Colilert(®), Chromocult coliform(®) agar, and DC with BCIG agar chromogenic culture-based methods used to assess microbiological quality of drinking water were compared in terms of their ubiquity, sensitivity, ease of use, growth of atypical colonies and affordability. For ubiquity, 129 total coliform (representing 76 species) and 19 Escherichia coli strains were tested. Then, 635 1-L well water samples were divided into 100 mL subsamples for testing by all four methods. Test results showed that 70.5, 52.7, 36.4, and 23.3% of the non-E. coli total coliform strains and 94.7, 94.7, 89.5, and 89.5% of the 19 E. coli strains yielded a positive signal with the four methods, respectively. They also yielded a total coliform positive signal for 66.5, 51.7, 64.9, and 55.0% and an E. coli positive signal for 16.1, 14.8, 17.3, and 13.4% of the 635 well water samples tested, respectively. Results showed that Colilert(®) is the most expensive method tested in terms of reactants, yet it is the easiest to use. Large numbers of atypical colonies were also often observed on Chromocult coliform(®) and DC with BCIG, thereby challenging the target microorganism count. Thus, the MI agar method seems to be the best option for the assessment of drinking water quality.
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 | 0,002 | 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 ».