Chemical composition of Moringa (Moringa oleifera) root powder solution and effects of Moringa root powder on E. coli growth in contaminated water
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
There are many methods available to treat contaminated drinking water; however, economic, cultural, and social factors often impair implementation of these methods, particularly in developing countries. Moringa root powder seems to offer a promising alternative to treating contaminated water. Roots were extracted from randomly selected, seven month old plants, grown in a greenhouse. The roots were washed, bark peeled, oven-dried and ground into powder. Solubility of Moringa root powder was examined by mixing the dried powder in nine different Moringa concentrations (12.5, 27.5, 250, 1250, 2500, 4200, 8300, 12,500, and 16,000 mg/L). Four treatments (0, 250, 450, and 600 mg/L) of Moringa concentrations were used to determine their effectiveness at reducing Escherichia coli in water from a mixed livestock farm pond. Each treatment was added to two (50 and 37 MPN/100 mL) concentrations of E. coli contaminated water. Potassium, sodium, magnesium, phosphorus and calcium were the most abundant macronutrients in Moringa root powder solutions. Low levels of zinc, iron and copper were also detected. At the highest concentration (600 mg/L), and higher initial E. coli concentration (50 MPN/100 mL), Moringa root powder reduced E. coli colonies in contaminated water by 87% (p < .05). Moringa root powder showed strong antimicrobial activity against E. coli and the efficacy of this method should be investigated to determine whether further reduction in bacteria can be achieved, since roots can be harvested sooner than seeds and are available throughout the year.
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.
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) | 0,000 | 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) | 0,000 | 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 découle