MétaCan
Menu
Retour à la cohorte
Enregistrement W2938275524 · doi:10.36829/63cts.v3i2.315

Uso del suelo como tratamiento secundario de aguas residuales domésticas

2017· article· es· W2938275524 sur OpenAlexaff
Wilber J. Perez-FLores

Notice bibliographique

RevueCiencia Tecnologí­a y Salud · 2017
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueWater Resource Management and Quality
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

El propósito del estudio es evaluar la eficiencia de remoción de contaminantes de aguas residuales domésticas (ARD) usando el suelo como tratamiento, para utilizarlo como una alternativa al alcance de poblaciones sin acceso a sistemas de alcantarillado y tratamiento de ARD. Se construyó un sistema piloto de tratamiento de ARD compuesto por una fosa séptica y zanjas de infiltración, el cual funciona por percolación en el subsuelo, donde el agua atraviesa una capa de piedrí­n y luego se percola en el suelo. El estudio se realizó en la planta experimental de tratamiento de ARD en la ciudad de Guatemala, durante octubre 2014 a mayo del 2015. Se tomaron como parámetros los indicados en el Reglamento de descargas y reúsos de las aguas residuales y la disposición de lodos. Los análisis se realizaron en el Laboratorio Unificado de Quí­mica y Microbiologí­a Sanitaria, a excepción de los metales pesados, aceites y grasas. La evaluación del rendimiento del sistema piloto de tratamiento de ARD demostró una eficiente remoción de contaminantes, con resultados en sólidos suspendidos de 99%, color 95%, DBO5de 99%, DQO de 98%, fósforo de 87% y coliformes fecales de 93%. Respecto al nitrógeno se eliminaron los resultados extremos, obteniéndose una eficiencia de remoción de 23%. Se comprobó que el suelo es capaz de remover con eficacia la mayorí­a de contaminantes de las ARD a excepción del nitrógeno, el cual requiere un estudio más detallado para entender su comportamiento en el proceso.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,035
Tête enseignante GPT0,300
Écart entre enseignants0,265 · 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'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiencia Tecnologí­a y SaludMême sujetWater Resource Management and QualityTravaux en français237 207