β-D-glucuronidase activity triggered monitoring of fecal contamination using microbial and chemical source tracking markers at drinking water intakes
Notice bibliographique
Résumé
Intense rainfall and snowmelt events may affect the safety of drinking water, as large quantities of fecal material can be discharged from storm or sewage overflows or washed from the catchment into drinking water sources. This study used β-d-glucuronidase activity (GLUC) with microbial source tracking (MST) markers: human, bovine, porcine mitochondrial DNA markers (mtDNA) and human-associated Bacteroidales HF183 and chemical source tracking (CST) markers including caffeine, carbamazepine, theophylline and acetaminophen, pathogens (Giardia, Cryptosporidium, adenovirus, rotavirus and enterovirus), water quality indicators (Escherichia coli, turbidity) and hydrometeorological data (flowrate, precipitation) to assess the vulnerability of 3 drinking water intakes (DWIs) and identify sources of fecal contamination. Water samples were collected under baseline, snow and rain events conditions in urban and agricultural catchments (Québec, Canada). Dynamics of E. coli, HF183 and WWMPs were similar during contamination events, and concentrations generally varied over 1 order of magnitude during each event. Elevated human-associated marker levels during events demonstrated that urban DWIs were impacted by recent contamination from an upstream municipal water resource recovery facility (WRRF). In the agricultural catchment, mixed fecal pollution was observed with the occurrences and increases of enteric viruses, human bovine and porcine mtDNA during peak contaminating events. Bovine mtDNA qPCR concentrations were indicative of runoff of cattle-derived fecal pollutants to the DWI from diffuse sources following rain events. This study demonstrated that the suitability of a given MST or CST indicator depend on river and catchment characteristics. The sampling strategy using continuous online GLUC activity coupled with MST and CST markers analysis was a more reliable source indicator than turbidity to identify peak events at drinking water intakes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».