MétaCan
Menu
Retour à la cohorte
Enregistrement W3196716206 · doi:10.3390/en14185666

Anaerobic Digestion of Blood from Slaughtered Livestock: A Review

2021· review· en· W3196716206 sur OpenAlexaff
Tasnia Hassan Nazifa, Noori M. Cata Saady, Carlos Bazán, Sohrab Zendehboudi, Adnan Aftab, Talib M. Albayati

Notice bibliographique

RevueEnergies · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésAnaerobic digestionDigestion (alchemy)Anaerobic exerciseRaw materialPulp and paper industryFood scienceBiogasBiotechnologyLivestockChemistryBiologyMethaneMicrobiologyWaste managementChromatographyPhysiologyEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Blood from livestock slaughtering imposes a high organic pollution load and risks. If it is discharged untreated to sewer systems, it increases the organic pollution load on wastewater treatment plants by 35–50%. This paper reviews blood anaerobic digestion. It analyzes the quantities, composition, methane potential reported, microbiology, biochemical pathways of blood protein degradation, environmental and health issues, and strategies suggested to manage them during livestock blood anaerobic digestion. Although challenging, anaerobic digestion of blood as a mono-substrate is possible if the culture-reactor system is controlled based on a complete characterization and understanding of the microbial community and its metabolic activities. Co-digestion of blood and other feedstock proceeds well if the mixtures are well designed. Generally, the specific methane yield from digesting blood alone ranges between zero and 0.45 m3 kg−1 protein, whereas for co-digesting blood and other substrates, the yield varies between 0.1 and 0.7 m3 kg−1 volatile solids. More research is required for microbiology and kinetics, the role of adsorbents, reactor configuration, and culture adaptation during anaerobic digestion of blood to better control the process.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,959
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)0,0010,000
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,263
Écart entre enseignants0,238 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207