Impact of pesticides on indicator and pathogenic microorganism persistence under laboratory and field conditions
Bibliographic record
Abstract
On s’intéresse aux impacts des pesticides sur la microflore des plantes surtout dans le contexte des légumes contaminés par des agents pathogènes. Le but de cette étude est d'évaluer l'impact de certains pesticides sur la persistance de micro-organismes indicateurs et pathogènes. En laboratoire, la persistance d’E. coli et de Salmonella en présence de quatre pesticides (Ripcord 400EC, Copper 53W, Bioprotec CAF, Serenade MAX) a été étudiée. Les plaques de Pétrifilm et le milieu sélectif XLD sont utilisés pour énumérer les populations d’E. coli et de Salmonella. Il a été démontré que le Serenade MAX favorisait la croissance microbienne, le Bioprotec CAF et le Ripcord 400EC soutenaient la survie microbienne et le Copper 53W inhibait la croissance, à la fois d’E. coli et de Salmonella. En conditions terrain, Ripcord 400EC, Copper 53W, Bioprotec CAF ont été étudiés sur une culture de brocoli irriguée avec de l'eau expérimentalement contaminée par E. coli. Dans tous les traitements, un impact de l’irrigation a été observé sur les populations de levures et de moisissures (diminution) et les bactéries aérobies totales (augmentation). Une prévalence supérieure d’E. coli a été observée dans les parcelles traitées avec le Bioprotec CAF comparativement aux traitements au Copper 53W, ce qui est en accord avec les résultats observés lors de l'essai en laboratoire. Cependant, l'analyse statistique n'a montré aucune différence significative entre les traitements appliqués. Les effets directs des pesticides sur les micro-organismes sont confirmés dans des conditions de laboratoire mais demeurent méconnus dans les conditions expérimentales au champ.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".