Tenets of a holistic approach to drinking water-associated pathogen research, management, and communication
Notice bibliographique
Résumé
In recent years, drinking water-associated pathogens that can cause infections in immunocompromised or otherwise susceptible individuals (henceforth referred to as DWPI), sometimes referred to as opportunistic pathogens or opportunistic premise plumbing pathogens, have received considerable attention. DWPI research has largely been conducted by experts focusing on specific microorganisms or within silos of expertise. The resulting mitigation approaches optimized for a single microorganism may have unintended consequences and trade-offs for other DWPI or other interests (e.g., energy costs and conservation). For example, the ecological and epidemiological issues characteristic of Legionella pneumophila diverge from those relevant for Mycobacterium avium and other nontuberculous mycobacteria. Recent advances in understanding DWPI as part of a complex microbial ecosystem inhabiting drinking water systems continues to reveal additional challenges: namely, how can all microorganisms of concern be managed simultaneously? In order to protect public health, we must take a more holistic approach in all aspects of the field, including basic research, monitoring methods, risk-based mitigation techniques, and policy. A holistic approach will (i) target multiple microorganisms simultaneously, (ii) involve experts across several disciplines, and (iii) communicate results across disciplines and more broadly, proactively addressing source water-to-customer system management.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».