MétaCan
Menu
Retour à la cohorte
Enregistrement W1585187334 · doi:10.1002/jctb.4399

Sonoelectrochemical oxidation of carbamazepine in waters: optimization using response surface methodology

2014· article· en· W1585187334 sur OpenAlexaff
Nam Nghiep Tran, Patrick Drogui, Satinder Kaur Brar

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésEffluentElectrolysisWastewaterResponse surface methodologySonicationChemistryCarbamazepineCentral composite designPhosphoniumPulp and paper industryChromatographyElectrodeNuclear chemistryWaste managementEnvironmental scienceEnvironmental engineeringOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND The decomposition of carbamazepine ( CBZ ) in synthetic solution and in municipal effluent was investigated using a sono‐electrochemical reactor. Sono‐electrolysis was conducted using two concentrical electrodes installed in a cylindrical reactor containing a ceramic transducer. RESULTS CBZ concentration ( C 0 =10 mg L −1 ) optimally diminished up to 90% by applying a current intensity of 4.86 A for 177 min and by imposing an ultrasound power of 38.29 W. The optimal conditions were subsequently applied for tertiary treatment of municipal wastewater effluent contaminated with 10 µg CBZ L −1 . The reported removal efficiencies of CBZ , TOC , COD and colour were 93%, 60%, 93% and 86%, respectively. Likewise, the toxicity was completely removed (bacterium Vibrio fisheri ) from the municipal wastewater effluent (>96%). CONCLUSIONS The advantages of coupling ultrasonication and electrooxidation ( US‐EO ) treatment for CBZ removal were demonstrated. An experimental design methodology based on response surface methodology was applied to determine the optimal experimental conditions in terms of cost/effectiveness of removal. © 2014 Society of Chemical Industry

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,271
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetAdvanced oxidation water treatmentTravaux en français237 207