Bioaérosols viraux dans les usines de traitement des eaux usées : détection moléculaire et métagénomique
Bibliographic record
Abstract
Les travailleurs des centres de traitement des eaux usées sont souvent atteints de maladies reliées à l’exposition virale telles que le rhume, la grippe et les infections gastro-intestinales. Dans la littérature, plusieurs études ont caractérisé les bactéries présentes dans les eaux usées ainsi que les bactéries dans les aérosols de ces centres de traitement. Les virus dans les eaux usées ont aussi été dans la mire de certaines études. Cependant, malgré le fait que les maladies affectant les travailleurs soient majoritairement de cause virale et que certains virus pathogènes aient été démontrés pour être capables de se transmettre par l’air, seule une minime quantité d’études a décrit jusqu’à présent les aérosols viraux de ces environnements. Qu’en est-il des virus aérosolisés qui peuvent provoquer ces maladies chez les travailleurs? Auxquels virus potentiellement pathogènes les travailleurs sont-ils exposés chaque jour dans ces environnements de travail? Cette étude avait pour but d’échantillonner l’air de quatre centres de traitement des eaux usées à l’aide de différents échantillonneurs pour décrire la communauté virale dans les aérosols et, ultimement, d’identifier les virus aérosolisés qui peuvent mettre en danger la santé des travailleurs. Onze virus ont été sélectionnés en fonction de leur présence dans les eaux usées et quantifiés de manière spécifique par une technique de biologie moléculaire appelée qPCR. De plus, une étude métagénomique a été effectuée sur des échantillons d’air de très grands volumes dans l’une des usines à l’étude afin de caractériser les communautés virales totales présentes dans l’air des centres de traitement. Les échantillons d’air ont été pris à deux reprises dans chaque centre, une fois durant la saison d’été et une fois durant la saison d’hiver afin de déterminer l’effet de la température de l’eau sur le type de virus aérosolisés.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 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".