Microbial Screening of Urban Stormwater and Constructed Wetlands Using Passive Sampling and TaqMan Array Cards
Notice bibliographique
Résumé
This study evaluates the use of passive samplers containing passive materials and qPCR array cards to understand the microbial quality of stormwater and constructed wetlands. Passive samplers were deployed at the inlet and outlet of a stormwater-constructed wetland alongside paired water sample collection, all of which indicated high fecal contamination and human wastewater inputs. Passive materials demonstrated good performance for frequently detected enteric bacteria (e.g., Campylobacter spp.) and surrogate viruses (e.g., CrAssphage), but showed mixed performance for protozoa (e.g., Cryptosporidium spp.). Logistic regression indicated a significant interactive effect between material and location ( p < 0.01), but further analysis indicated that location was likely a proxy for turbidity, significantly different between the inlet and outlet ( p < 0.01). Some passive materials performed better at the inlet, which had a median turbidity of 20.6 NTU (e.g., cotton-based materials for Campylobacter spp.), while others were better at the outlet, with a median turbidity of 90.15 NTU (e.g., electronegative membrane for Campylobacter spp. and crAssphage, swab for crAssphage, and gauze fo r Cryptosporidium spp.). Passive sampling is a promising approach for continuously sampling urban stormwater to monitor and manage pathogen risks. Further research should compare composite samples and passive materials to evaluate target attachments during rainfall events.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».