Synergistic Benefits Between Ultraviolt Light and Chlorine-Based Disinfectants for the Inactivation of Escherichia coli
Notice bibliographique
Résumé
Abstract Ultraviolet light is increasing in popularity as a primary disinfectant in drinking water treatment because of its effectiveness against chlorine-resistant pathogens and lack of disinfection by-product (DBP) formation. Previous bench-scale studies have shown that there are possibly synergistic benefits in reducing heterotrophic bacteria when ultraviolet (UV) light is coupled with chlorine (Cl2) or monochloramine (NH2Cl). Additional experiments have demonstrated that synergy exists between various disinfectants in controlling numerous bacteria, viruses, and protozoan. Few studies, to date, have specifically investigated synergy with UV in combination with chlorine-based drinking water disinfectants including chlorine dioxide (ClO2), Cl2, and NH2Cl. This preliminary study looked at the effectiveness of seven disinfection strategies (UV, Cl2, ClO2, NH2Cl, UV/Cl2, UV/ClO2, and UV/NH2Cl) against Escherichia coli in a single-species system at various combinations of disinfectant dose and contact time. Spiked solutions containing E. coli were treated by UV alone, chemical disinfectant alone, or UV coupled with chemical disinfectant. It was found that the combined disinfection strategies achieved the highest removal. Data were additionally analyzed for synergistic benefits, and each combination had a positive result. Results suggest that drinking water utilities may see enhanced removal of bacteria and potentially other pathogens due to synergistic benefits when UV was used in combination with any chlorine-based disinfectant. However, more data are required to conclusively determine synergistic relationship(s) between UV light and chlorine-based disinfectants.
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 | 0,002 | 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 | 0,001 | 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 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 ».