MétaCan
Menu
Retour à la cohorte
Enregistrement W1992356936 · doi:10.2166/wst.2012.002

Removal of cyanobacterial metabolites through wastewater treatment plant filters

2012· article· en· W1992356936 sur OpenAlexfundno aff
Lionel Ho, Daniel Hoefel, Charlotte Grasset, Sebastien Palazot, Gayle Newcombe, Christopher P. Saint, Justin D. Brookes

Notice bibliographique

RevueWater Science & Technology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council CanadaMelbourne Water
Mots-clésGeosminEffluentWastewaterEnvironmental chemistryFiltration (mathematics)Sand filterBiodegradationBiofilterFilter (signal processing)Pulp and paper industryChemistrySewage treatmentCyanobacteriaEnvironmental engineeringEnvironmental scienceCylindrospermopsinWaste managementBiologyBacteriaOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Wastewaters have the potential to proliferate excessive numbers of cyanobacteria due to high nutrient levels. This could translate to the production of metabolites, such as the saxitoxins, geosmin and 2-methylisoborneol (MIB), which can impair the quality of wastewater destined for re-use. Biological sand filtration was assessed for its ability to remove these metabolites from a wastewater. Results indicated that the sand filter was incapable of effectively removing the saxitoxins and in some instances, the effluent of the sand filter displayed greater toxicity than the influent. Conversely, the sand filter was able to effectively remove geosmin and MIB, with removal attributed to biodegradation. Granular activated carbon was employed as an alternative filter medium to remove the saxitoxins. Results showed similar removals to previous drinking water studies, where efficient removals were initially observed, followed by a decrease in the removal; a consequence of the presence of competing organics which reduced adsorption of the saxitoxins.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,056
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207