Environmentally friendly treatment of highly potent pharmaceuticals in hospital wastewater- Mermiss
Notice bibliographique
Résumé
Teknologisk Institut har sammen med Aarhus Universitet, Danmarks Tekniske Universitet, Air Liquide, Krüger Veoilia, Herning Vand, Aarhus Vand og Det Nye Universitetshospital Aarhus gennemført MUDP-projektet ”Miljøeffektiv rensning af højpotente lægemiddelstoffer i hospitalsspildevand”, i daglig tale MERMISS. Projektet har til formål at udvikle en teknologi til rensning af lægemiddelstoffer fra hospitalsspildevand og fra centrale renseanlæg baseret på en biofilmløsning. Den traditionelle metode til rensning af spildevand er baseret på aktivt slam. Metoden er effektiv overfor letnedbrydelige lægemidler, men ineffektiv overfor middelsvære og svært nedbrydelige lægemidler. Teknologien med biofilm er testet i laboratorieskala og i pilot-skala på dels råspildevand med koncentreret indhold af lægemidler fra en kræftafdeling, dels blandet råspildevand fra et hospital, dels almindeligt råspildevand fra Herning Vand, og dels på udløbsvand fra Viby renseanlæg. Over 95% af den samlede belastning med lægemidler i miljøet kommer i dag fra almindeligt husspildevand, både fra håndkøbsmedicin og fra patienter i ambulant behandling. Projektet gennemførte således en benchmarking af lægemiddelfjernelse på forskellige typer af spildevand, og kunne på den baggrund demonstrere, at en biofilm-baseret teknologi er langt mere effektiv end den konventionelle aktiv slam behandling, som bruges i dag. Bl.a. viser projektet, at teknologien med fordel kan anvendes til at efterpolere allerede renset spildevand, og at driftsomkostningerne til teknologien er relativt lave. Resultaterne af projektet er så lovende, at de allerede er anvendt til at starte et nyt MUDP-projekt, MerEff, der tester teknologien til at efterpolere renset spildevand i større skala på Herning Vands renseanlæg.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,009 | 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 ».