MétaCan
Menu
Retour à la cohorte
Enregistrement W2070692780 · doi:10.1002/cjce.22026

Adsorption optimization of acyclovir on prepared activated carbon

2014· article· en· W2070692780 sur OpenAlexafffundvenueabout
Swati Jain, Pardeep Kumar, Raj K. Vyas, Prabhat Pandit, Ajay K. Dalai

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein purification and stability
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanada Research ChairsUniversity of Saskatchewan
Mots-clésConifer coneAdsorptionAqueous solutionActivated carbonChemistryNuclear chemistryCanolaResponse surface methodologyMaterials scienceChromatographyOrganic chemistryBotany

Résumé

récupéré en direct d'OpenAlex

Canadian pine cones (pine cone type I and pine cone type II) and deoiled canola meal were utilized as precursors for preparation of powdered activated carbons (PACs) using thermo‐chemical process. Physicochemical properties of the biomass and obtained adsorbents were evaluated. Prepared PACs were investigated for the adsorptive removal of acyclovir (ACV) from aqueous solutions. Pine cone type I PAC was found to have well developed pores and surface area. It was found to be suitable for removal of ACV from aqueous solution. Response surface methodology was used for the optimization of ACV adsorption on PAC prepared from pine cone type I and the development of predictive model. A second‐order polynomial equation fitted data well which indicated that the process variables such as temperature, pH and especially adsorbent dose had large impact on the ACV adsorption process. The optimum conditions for ACV removal were found to be 39 °C, pH 8 and 2 g/L of pine cone type I PAC dose. At these conditions, the removal of ACV was 90.3 %, which was close to the maximum predicted value of 92.5 %.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2014
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetProtein purification and stabilityTravaux en français237 207