Performance of point-of-use devices to remove manganese from drinking water
Notice bibliographique
Résumé
A recent epidemiological study reported significant cognitive deficits among children in relation with consumption of water with manganese concentrations in the order of 50-100 ug/L. Concerns for neurotoxic effects of manganese raises the need for evaluating the efficiency of domestic water treatment systems for removal of this metal. The objective of the present study was to determine whether POU devices are efficient at reducing dissolved manganese concentration in drinking water. Various devices were tested according to the NSF 53 protocol for general metals for high pH test water. Based on these assays, the pour-through filters were identified as the most promising POU devices, with dissolved manganese removal greater than 60% at 100% rated capacity, and greater than 45% at 200% rated capacity (influent Mn ≈1,000 μg/L). Under-the-sink filters using cationic exchange resins (i.e., water softeners) were also efficient at removing dissolved manganese but over a shorter operating life. Manganese leaching was also observed beyond their rated capacity, making them less robust treatments. The activated carbon block filters and other proprietary technologies were found to be inappropriate for dissolved manganese removal. Further evaluation of POU devices performance should evaluate the impact of hardness on process performance. The impact of particulate Mn should also be evaluated.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».