MétaCan
Menu
Retour à la cohorte
Enregistrement W2411900660 · doi:10.2175/106143013x13807328849053

Advanced Treatment Process for Pharmaceuticals, Endocrine Disruptors, and Flame Retardants Removal

2014· article· en· W2411900660 sur OpenAlexaff
Robert W. Emerick, Stanley E. Shumaker

Notice bibliographique

RevueWater Environment Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensStantec (Canada)
Organismes subventionnairesUniversity of Arizona
Mots-clésReverse osmosisEffluentChemistryFiltration (mathematics)Water treatmentWaste managementNanofiltrationPowdered activated carbon treatmentActivated carbonPulp and paper industryEnvironmental scienceEnvironmental chemistryEnvironmental engineeringMembraneOrganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

The objective of this project was to demonstrate the effectiveness of an advanced treatment process that did not utilize reverse osmosis for the removal of pharmaceuticals, endocrine disruptors and flame retardants (collectively referred as contaminants of emerging concern [CECs]) from municipal effluent. The advanced treatment process consisted of (in the order of use): membrane filtration, ozonation (O3), and biologically active carbon (BAC) filtration. Ozone dosage of 5 mg/L or more was needed for desired CEC removal. Biologically active carbon removed flame retardants, and ozonation byproducts including NDMA and aldehydes. The project successfully demonstrated 1) the removal of a wide range of CECs, 2) reduction of estrogen activity to background levels, and 3) removal of ozonation byproducts. Treatment was achieved at lower costs and power utilization than reverse osmosis and without generating a concentrate stream. Results from this project could make CEC removal feasible, especially in situations where reverse osmosis treatment is infeasible.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,391
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,086
Tête enseignante GPT0,404
Écart entre enseignants0,318 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Environment ResearchMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207