Efficacité des méthodes d'adsorption-élution utilisant la poudre ou la laine de verre pour la concentration des virus dans les effluents de stations d'épuration
Bibliographic record
Abstract
Pour rechercher les virus dans les eaux usées traitées, une nouvelle méthode d'adsorption-élution sur laine de verre a été appliquée comparativement à la méthode d'adsorption-élution sur poudre de verre. Lorsque la technique de concentration sur laine de verre est utilisée, c'est dans les 25 premiers ml de l'éluat que la majorité des virus poliomyélitique est retrouvé (89 à 94 %). La comparaison des méthodes de concentration des virus indigènes à partir d'échantillons d'effluents provenant de deux stations d'épuration biologique de la Côte d'Azur (Cagnes-sur-Mer et Nice), a mis en évidence la supériorité de cette nouvelle méthode : les taux de positivité ont été respectivement de 85 % vs 38 % pour l'effluent de Cagnes-sur-Mer et 100 % vs 44 % pour l'effluent de Nice. De même, les titres en virus indigènes après concentration ont varié de 0 à 250 NPPUC/l pour la méthode sur laine de verre contre 0 à 25,5 NPPUC/l pour la méthode sur poudre de verre. La différence constatée entre les méthodes est statistiquement significative après analyse de variance (p = 0,0119 pour l'effluent de Cagnes-sur-mer et p < 0,0001 pour l'effluent de Nice). De plus, la technique sur laine de verre ne nécessite ni l'abaissement du pH, ni le changement de la composition ionique de l'échantillon d'eau à analyser.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".