Efficacy of an appropriate point-of-use water treatment intervention for low-income communities in India utilizing Moringa oleifera, sari-cloth filtration and solar UV disinfection
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study investigated the efficacy of a POU water treatment system featuring sari-cloth filtration and/or Moringa oleifera coagulation as pre-treatments for solar disinfection (SODIS). Surface water from a peri-urban slum in Chennai, India, was treated and analysed for turbidity, organic content via chemical oxygen demand (COD) and microbiological quality via most probable number (MPN) enumeration of total coliforms. Pre-treatment with both moringa coagulation and sari-cloth filtration significantly improved the turbidity of raw water compared to no pre-treatment controls (P = 0.0002). Optimal moringa coagulation did not outperform sari-cloth filtration (P = 0.06), but combining optimal moringa coagulation with sari-cloth filtration significantly outperformed either pre-treatment independently with respect to turbidity (P = 0.016 and P = 0.0001, respectively). The addition of moringa was found to increase COD in treated water, with greater doses of moringa resulting in higher COD levels (P = 0.04). Increased organics may have encouraged the re-growth of coliform bacteria that was observed in those jars receiving moringa coagulant such that, with respect to MPN, those jars which were subject to optimal moringa coagulation did not outperform those undergoing sari-cloth filtration alone (P = 0.41). Sari-cloth filtration is recommended as a pre-treatment for SODIS whereas moringa is not, as further investigation on the relationship between organics and bacterial re-growth is necessary.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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