MétaCan
Menu
Retour à la cohorte
Enregistrement W3122693534 · doi:10.3390/bios11020034

Water Sampling Module for Collecting and Concentrating Legionella pneumophila from Low-to-Medium Contaminated Environment

2021· article· en· W3122693534 sur OpenAlexafffund
Khalid Moumanis, Walid M. Hassen, Éric Frost, Lydston Rodrigues de Carvalho, Pierre Hiernaux, Jan J. Dubowski

Notice bibliographique

RevueBiosensors · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLegionella and Acanthamoeba research
Établissements canadiensMagnus Chemicals (Canada)Institut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésContaminationLegionella pneumophilaLegionellaTap waterEnvironmental scienceBackwashingFiltration (mathematics)Pulp and paper industryEnvironmental engineeringBacteriaEngineeringBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

The detection of water contamination with Legionella pneumophila is of critical importance to manufacturers of water processing equipment and public health entities dealing with water networks and distribution systems. Detection methods based on polymerase chain reaction or biosensor technologies require preconcentration steps to achieve attractive sensitivity levels. Preconcentration must also be included in protocols of automated collection of water samples by systems designed for quasi-continuous monitoring of remotely located water reservoirs for the presence of L. pneumophila. We designed and characterized a water sampling module for filtration and backwashing intended for analysis of low-to-medium contaminated water, typically with L. pneumophila bacteria not exceeding 50 colony-forming units per milliliter. The concentration factors of 10× and 21× were achieved with 0.22 and 0.45 µm filters, respectively, for samples of bacteria prepared in clean saline solutions. However, a 5× concentration factor was achieved with 0.45 µm filters for a heavily contaminated or turbid water typical of some industrial water samples.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,523

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 Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiosensorsMême sujetLegionella and Acanthamoeba researchTravaux en français237 207