Assessment of irrigation water quality for the Quebec horticulture industry
Bibliographic record
Abstract
Les légumes prêts à consommer, lorsqu'ils sont irrigués avec de l'eau de surface non traitée, causent un risque gastro-intestinal pour les humains. Des études en serre et sur le terrain ont été menées pour quantifier Escherichia coli dans l'eau d'irrigation et les légumes irrigués avec de l'eau non traitée. Le modèle quantitatif d'évaluation des risques microbiens (QMRA) a utilisé des données des études de serre et de terrain pour estimer le risques pour la santé des humains sur la consommation de fruits et légumes frais irrigués. L'étude de terrain a analysé E. coli pathogène dans l'eau d'irrigation au cours des saisons de croissance de mai à octobre en 2013 et 2014 sur deux sites de terrain, l'un à St-Rémi et l'autre à Rougemont, au Québec. À Rougemont, la concentration maximale d'E. coli a été observée pendant la période de mai-juin pour les deux années. Alors qu'à St-Remi, la concentration maximale d'E. coli a été observée pendant les mois de mai-juin et septembre-octobre. L'étude en serre a été menée dans des conditions environnementales contrôlées au campus Macdonald afin de confirmer le niveau de contamination transféré aux fruits ainsi qu'au sol sur une période de 30 jours. À l'aide de quatre différents traitements, l'application d'eau d'irrigation contaminée à l'E. coli a causé la contamination des récoltes et du sol. Le risque le plus élevé pour la laitue a été observé avec le traitement « gicleur+terre organique » suivi du « gicleur+ terre minérale » puis du « goutte à goutte+ terre organique », mais le risque associé au traitement « goutte à goutte+ terre minérale » a été observé seulement à partir du 20ème jour. Pour la tomate, un risque a seulement été observé avec le traitement « goutte à goutte+terre organique » à partir du 10ème jour. Le modèle QMRA a utilisé des données provenant d'expériences sur le terrain et la charge annuelle de morbidité combinée pour tous les pathogènes a été estimée entre 10-3 et 10-2 AVAI (années de vie ajustées sur l'incapacité) pour la laitue et la tomate. Tandis que le risque combiné de maladies gastro-intestinales se situait dans les fourchettes de 10-2 à 10-1 pour la laitue et 10-3 à 10-1 pour la tomate. La comparaison entre la modélisation de la laitue et de la tomate a démontré que la consommation de laitue entraînerait un risque plus élevé puisque la fourchette est plus étendue que celle liée à la consommation de la tomate.Une autre étude de QMRA a été menée à l'aide des données de St-Esprit, au Québec, afin de valider les risques de maladies gastro-intestinaux quantifiés lorsque les cultures étaient irriguées avec de l'eau de surface non traitée. Pour tous les scénarios, l'irrigation goutte à goutte a montré moins de risques (1.8 X10-8 to 3.9 X10-4 AVAI) que l'irrigation à l'aide de gicleurs (9.8 X10-8 to 2.1 X10-3 AVAI). Laver les légumes frais pendant 2 minutes minimise le plus les risques (10-8-10-5 AVAI) lorsque comparé à un lavage de 3-4 secondes (10-8-10-4 AVAI) ou ne pas les laver du tout (10-7-10-3 AVAI). Parmi les cinq légumes suivant: la tomate, la courge (courgette), le chou-fleur, le brocoli et la laitue, cette dernière présente le plus haut risque de transmission de maladie. Par conséquent, il est recommandé de laver les légumes frais pendant 2 min avant la consommation; et d'utiliser l'irrigation goutte à goutte et un sol minéral pour faire pousser les légumes à manger crus.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".