Control of Growth of Disease-causing Microorganisms and Greenhouse Gas Emissions from Swine Operations using Zinc Oxide Nanoparticles
Notice bibliographique
Résumé
The effectiveness of zinc oxide (ZnO) nanoparticles in reducing the levels of disease- causing microorganisms and greenhouse gas (carbon dioxide and methane) emissions in swine production operations was investigated in two fully instrumented and identical environmental chambers at the Prairie Swine Centre barn facility in Saskatoon. Each chamber housed 6 grower- finisher pigs. A ventilation air recirculation system was installed in each chamber; one chamber had a filter loaded with ZnO nanoparticles installed in the recirculation duct while the other chamber had filter pad only (not loaded with nanoparticles). Throughout the 15-day trial, the effect of ZnO nanoparticles on bioaerosols, greenhouse gases and pig performance was assessed. Results indicated that partial filtration of air in the chamber with a filter with zinc oxide nanoparticles in the ventilation recirculation system achieved reduction in bioaerosol concentrations at the exhaust stream and animal-occupied zone. In addition, the installation of air filtration system with ZnO nanoparticles in the chamber did not have any beneficial or adverse impact on carbon dioxide and methane emissions as well as on average daily gain and feed intake of pigs. Further studies using other deployment techniques will be conducted to provide a more comprehensive evaluation of the feasibility of nanoparticle application in swine facilities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».