MétaCan
Menu
Retour à la cohorte
Enregistrement W2809548842 · doi:10.1371/journal.pone.0199429

Impact of stagnation and sampling volume on water microbial quality monitoring in large buildings

2018· article· en· W2809548842 sur OpenAlexafffund
Émilie Bédard, Céline Laferrière, Éric Déziel, Michèle Prévost

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensUniversité de MontréalPolytechnique MontréalInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVolume (thermodynamics)Environmental scienceStagnation pointSampling (signal processing)Surface waterStagnation temperatureBiofilmHydrology (agriculture)Environmental engineeringChemistryBacteriaBiologyMechanicsGeologyGeotechnical engineeringThermodynamicsHeat transfer

Résumé

récupéré en direct d'OpenAlex

Microbial drinking water quality can be altered in large buildings, especially after stagnation. In this study, bacterial profiles were generated according to the stagnation time and the volume of water collected at the tap. Successive volumes of cold and hot water were sampled after controlled stagnation periods. Bacterial profiles revealed an important decline (> 2 log) in culturable cells in the first 500 mL sampled from the hot and cold water systems, with a steep decline in the first 15 mL. The strong exponential correlation (R2 ≥ 0.97) between the culturable cell counts in water and the pipe surface-to-volume ratio suggests the biofilm as the main contributor to the rapid increase in suspended culturable cells measured after a short stagnation of one-hour. Results evidence the contribution of the high surface-to-volume ratio at the point of use and the impact of short stagnation times on the increased bacterial load observed. Simple faucets with minimal internal surface area should be preferred to minimize surface area. Sampling protocol, including sampling volume and prior stagnation, was also shown to impact the resulting culturable cell concentration by more than 1000-fold. Sampling a smaller volume on first draw after stagnation will help maximize recovery of bacteria.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,290
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations79
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetWater Treatment and DisinfectionTravaux en français237 207