MétaCan
Menu
Retour à la cohorte
Enregistrement W2081046764 · doi:10.1021/es103302t

Bactericidal Paper Impregnated with Silver Nanoparticles for Point-of-Use Water Treatment

2011· article· en· W2081046764 sur OpenAlexaff
Theresa A. Dankovich, Derek G. Gray

Notice bibliographique

RevueEnvironmental Science & Technology · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSilver nanoparticleSilver nitrateEffluentChemistryBacteriaNanoparticleLeaching (pedology)Nuclear chemistryChemical engineeringMaterials scienceNanotechnologyEnvironmental engineeringEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

There is an urgent need for cheap point-of-use methods to purify drinking water. We describe a method to deactivate pathogenic bacteria by percolation through a paper sheet containing silver nanoparticles. The silver nanoparticles are deposited by the in situ reduction of silver nitrate on the cellulose fibers of an absorbent blotting paper sheet. The aim is to achieve inactivation of bacteria during percolation through the sheet, rather than removal of bacteria from the effluent by filtration. The silver-nanoparticle containing (AgNP) papers were tested for performance in the laboratory with respect to bacteria inactivation and silver leaching as suspensions of bacteria percolated through the paper. The AgNP sheets exhibited antibacterial properties toward suspensions of Escherichia coli and Enterococcus faecalis, with log reduction values in the effluent of over log 6 and log 3, respectively. The silver loss from the AgNP sheets was minimal, with values under 0.1 ppm (the current US EPA and WHO limit for silver in drinking water). These results show promise that percolation of bacterially contaminated water through paper embedded with silver nanoparticles could be an effective emergency water treatment.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,015
Tête enseignante GPT0,206
Écart entre enseignants0,191 · 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

Citations531
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207