Leveraging regulatory monitoring data for quantitative microbial risk assessment of <i>Legionella pneumophila</i> in cooling towers
Notice bibliographique
Résumé
Abstract Cooling towers are critical engineered water systems for air conditioning and refrigeration but can create favorable conditions for Legionella pneumophila growth and aerosolization. Human exposure to L. pneumophila -contaminated aerosols can cause Legionnaire’s disease. Routine monitoring of L. pneumophila in cooling towers offers possibilities to develop quantitative microbial risk assessment (QMRA) to guide system design, operation, control, and maintenance. Here, we used the regulatory monitoring database from Quebec, Canada, to develop statistical models for predicting L. pneumophila concentration variability in cooling towers and integrate these models into a screening-level QMRA to predict human health risks. Analysis of 105,463 monthly L. pneumophila test results revealed that the exceedance rate of the 10 4 colony forming unit (CFU) per liter threshold was constant at 10% from 2016 to 2020, emphasizing the need to better validate the efficacy of corrective measures following the threshold exceedances. Among 2,852 cooling towers, 51.2% reported no detections, 38.5% had up to nine positives, and 10.2% over ten. The gamma or the lognormal distributions adequately described site-specific variations in L. pneumophila concentrations, but parametric uncertainty was very high for the lognormal distribution. We showed that rigorous model comparison is essential to predict peak concentrations accurately. Using QMRA, we found that, to meet a health-based target of 10 -6 DALY/pers.-year for clinical severity infections, an average L. pneumophila concentration below 1.4 × 10 4 CFU L -1 should be maintained in cooling towers. We identified 137 cooling towers at risk of exceeding this limit, primarily due to the observation or prediction of rare peak concentrations above 10 5 CFU L -1 . Effective mitigation of those peaks is critical to controlling public health risks associated with L. pneumophila .
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».