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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,025
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 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'étudeSans objet
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