MétaCan
Menu
Retour à la cohorte
Enregistrement W2736751038 · doi:10.1002/aic.15878

Oxidation of caffeine by acid‐activated ferrate(VI): Effect of ions and natural organic matter

2017· article· en· W2736751038 sur OpenAlexafffund
Kyriakos Manoli, George Nakhla, Ajay K. Ray, Virender K. Sharma

Notice bibliographique

RevueAIChE Journal · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryActivated carbonEffluentWastewaterMineralization (soil science)Organic matterEnvironmental chemistryNuclear chemistryDissolved organic carbonTotal organic carbonInorganic chemistryOrganic chemistryAdsorptionEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Caffeine (CAF) is the most commonly consumed stimulant and frequently detected emerging pollutant in influents and effluents of wastewater treatment plants (WWTP) and surface waters. Acid‐activated ferrate(VI) (Fe VI , Fe(VI)) oxidizes CAF in water in seconds to minutes at three times lower molar ratio of Fe(VI) to CAF than oxidative transformation observed in hours by nonactivated Fe(VI) (8.0 vs. 25.0). CAF oxidation by acid‐activated Fe(VI) is not affected by ionic constituents of water. Organic components of natural organic matter (NOM) and secondary effluent wastewater (SE) decrease efficiency of CAF transformation. However, acid‐activated Fe(VI) could mineralize other organics present in both NOM and SE as indicated by the dissolved organic carbon (DOC) removal. Comparatively, no mineralization was seen without activation of Fe(VI). Four oxidized products of CAF were identified by a liquid chromatography high resolution mass spectrometry technique. The reaction pathways of the oxidation of CAF by activated Fe(VI) have been proposed. © 2017 American Institute of Chemical Engineers AIChE J , 2017

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)0,000
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 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 enseignants0,201
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,004
Tête enseignante GPT0,239
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

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

Citations49
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIChE JournalMême sujetAdvanced oxidation water treatmentTravaux en français237 207