MétaCan
Menu
Retour à la cohorte
Enregistrement W2610365152 · doi:10.1007/s11356-017-9050-1

Total staphylococci as performance surrogate for greywater treatment

2017· article· en· W2610365152 sur OpenAlexafffund
David C. Shoults, Nicholas J. Ashbolt

Notice bibliographique

RevueEnvironmental Science and Pollution Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSenter for Internasjonalisering av UtdanningNorges Miljø- og Biovitenskapelige UniversitetDanmarks Tekniske UniversitetFogarty International CenterAlberta InnovatesAlberta Innovates - Health Solutions
Mots-clésGreywaterMicrobiologyStaphylococcus epidermidisEnterococcus faeciumIndicator bacteriaIndicator organismEnterococcus faecalisBiologyFecal coliformEnterococcusStaphylococcus aureusBacteriaWater qualityEcologyAntibiotics

Résumé

récupéré en direct d'OpenAlex

Faecal indicator bacteria (FIB) are commonly used as water quality indicators; implying faecal contamination and therefore the potential presence of pathogenic enteric bacteria, viruses, and protozoa. Hence in wastewater treatment, the most commonly used treatment process measures (surrogates) are total coliforms, faecal coliforms, Escherichia coli ( E. c oli ), and enterococci. However, greywater potentially contains skin pathogens unrelated to faecal load, and E. coli and other FIB may grow within greywater unrelated to pathogens. Overall, FIB occurs at fluctuating and relatively low concentrations compared to other endogenous greywater bacteria affecting their ability as surrogates for pathogen reduction. Therefore, unlike municipal sewage, FIB provides a very limited and unreliable log-reduction surrogate measure for on-site greywater treatment systems. Based on our recent metagenomic study of laundry greywater, skin-associated bacteria such as Staphylococcus , Corynebacterium, and Propionibacterium spp. dominate and may result in more consistent treatment surrogates than traditional FIB. Here, we investigated various Staphylococcus spp. as potential surrogates to reliably assay over 4-log 10 reduction by the final-stage UV disinfection step commonly used for on-site greywater reuse, and compare them to various FIB/phage surrogates. A collimated UV beam was used to determine the efficacy of UV inactivation (255, 265 and 285 nm) against E. coli , Enterococcus faecalis , E. faecium , E. casseliflavus , Staphylococcus aureus, and S. epidermidis . Staphylococcus spp. was estimated by combining the bi-linear dose-response curves for S. aureus and S. epidermidis and was shown to be less resistant to UV irradiation than the other surrogates examined. Hence, a relative inactivation credit is suggested; whereas, the doses required to achieve a 4 and 5-log 10 reduction of Staphylococcus spp. (13.0 and 20.9 mJ cm −2 , respectively) were used to determine the relative inactivation of the other microorganisms investigated. The doses required to achieve a 4 and 5-log 10 reduction of Staphylococcus spp. resulted in a log 10 reduction of 1.4 and 4.1 for E. coli , 0.8 and 2.8 for E. faecalis , 0.8 and 3.6 for E. casseliflavus and 0.8 and 1.2 for MS2 coliphage, respectively. Given the concentration difference of Staphylococcus spp. and FIB (3 to 5-log 10 higher), we propose the use of Staphylococcus spp. as a novel endogenous performance surrogate to demonstrate greywater treatment performance given its relatively high and consistent concentration and therefore ability to demonstrate over 5-log 10 reductions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,003
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,334
Écart entre enseignants0,287 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations16
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science and Pollution ResearchMême sujetWastewater Treatment and ReuseTravaux en français237 207