Passive sampling of microbes in various water sources: A systematic review
Notice bibliographique
Résumé
• Membrane filters are effective for detection and quantification of viruses in wastewater • Gauze passive samplers coupled with culturing is effective for detection of bacteria • Studies on passive sampling of protozoa in any water source are needed • Passive sampling papers in groundwater and seawater are lacking • Quantification and accumulation studies are needed Traditional methods for monitoring pathogens in environmental waters have numerous drawbacks. Sampling approaches that are low-cost and time efficient that can capture temporal variation in microbial contamination are needed. Passive sampling of aquatic environments has shown promise as an alternative water monitoring technique for waterborne pathogens and microbial contaminants. The present systematic review aimed to compile and synthesize existing literature on the use of passive samplers for the monitoring of microbes in different water sources and identify research gaps. The review summarizes current knowledge on materials used for detection, deployment durations, analytical methods, quantification as well as benefits and limitations of passive sampling. This review found that electronegative nitrocellulose membrane filters are effective for both detection and quantification of viruses in wastewater, while gauze passive samplers have been effective for detecting bacterial targets in wastewater. There is a large knowledge gap in the use of passive samplers in a quantitative manner, especially for the back-calculation of water-column microbial concentrations or for correlation to outcomes of interest (e.g. prevalence rates). Further, there is very limited attensstion paid to the use of membrane filters for the monitoring of bacteria in any water source as well as a lack of studies utilizing passive sampling approaches for protozoa.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».