MétaCan
Menu
Retour à la cohorte
Enregistrement W2588317644 · doi:10.1021/acs.est.6b05113

Effect of Sand Bed Depth and Medium Age on <i>Escherichia coli</i> and Turbidity Removal in Biosand Filters

2017· article· en· W2588317644 sur OpenAlexaff
Julie A. Napotnik, Derek Baker, Kristen L. Jellison

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensAlberta Environment and Protected Areas
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsDepartment for International DevelopmentDepartment for International Development, UK GovernmentLindbergh FoundationU.S. Environmental Protection Agency
Mots-clésTurbidityEffluentEnvironmental scienceEnvironmental engineeringFilter (signal processing)Pulp and paper industrySlow sand filterFiltration (mathematics)Sand filterWater treatmentWastewaterMathematicsBiologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

The main objective of this study was to build several full-scale biosand filters (BSFs) and assess the long-term (9 month) efficacy for particulate and Escherichia coli removal under simulated real-world usage. Four replicates of three different filter designs were built: the traditional concrete BSF and two scaled-down versions that use a 5 or 2 gal bucket as the casing material. The smaller sand bed depths in the bucket-sized filters did not impact filter performance with respect to (i) turbidity and E. coli removal or (ii) effluent levels of turbidity and E. coli. All filters produced effluents with a mean turbidity of <0.6 nephelometric turbidity unit. In addition, 78, 74, and 72% of effluent samples for the concrete, 5 gal, and 2 gal filters, respectively, had E. coli concentrations of <1 colony-forming unit/100 mL. The bucket-sized filters were found to be a potential alternative to the concrete BSFs for the removal of E. coli and turbidity from drinking water. Because smaller BSFs must be filled more frequently than larger BSFs to produce comparable water volumes, the effect of shorter pause periods on BSF performance should be investigated.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,255
Écart entre enseignants0,247 · 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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetChild Nutrition and Water AccessTravaux en français237 207