MétaCan
Menu
Retour à la cohorte
Enregistrement W2891528353 · doi:10.2175/106143017x15131012153095

Acute Impact of Chlortetracycline on Nitrifying and Denitrifying Processes

2018· article· en· W2891528353 sur OpenAlexafffund
Rama Pulicharla, Mehdi Zolfaghari, Satinder Kaur Brar, Patrick Drogui, Serge Auger, Mausam Verma, Rao Y. Surampalli

Notice bibliographique

RevueWater Environment Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensPhytronix (Canada)Institut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAnoxic watersNitrificationChlortetracyclineChemistryDenitrifying bacteriaEffluentNitriteEnvironmental chemistryDenitrificationNitrateActivated sludgeSewage treatmentEnvironmental engineeringNitrogenBiochemistryAntibioticsOrganic chemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

In the current study, sequential nitrification and anoxic experiments in synthetic municipal wastewater were exposed to 0.5 to 100 mg/L of chlortetracycline for 24 h to evaluate acute impact on the nitrification, and denitrification processes of biological treatment. Both processes were significantly (p < 0.05) inhibited at >50 mg/L of chlortetracycline, and the results revealed that nitrification was adversely affected by chlortetracycline compared with the anoxic process. In nitrification, chemical oxygen removal (COD) and ammonia oxidation kinetics were 50% inhibited at 10 mg chlortetracycline/L, and nitrite oxidation kinetics at 0.5 mg chlortetracycline/L. Likewise, in the anoxic process, 14 and 10 mg/L of chlortetracycline inhibited 50% of COD removal and nitrate reduction kinetics, respectively. In nitrification and denitrification, 90% of chlortetracycline was removed by adsorbing onto sludge suspended solids. In addition, a higher chlortetracycline concentration in anoxic effluent, compared with aerobic effluents, indicated a dissimilarity in the composition of sludge solids, pH, and biomass production for both processes.

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 enseignants0,019
Score d'incertitude au seuil0,999

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 technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,091
Tête enseignante GPT0,407
Écart entre enseignants0,317 · 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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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