MétaCan
Menu
Retour à la cohorte
Enregistrement W4292332485 · doi:10.1111/jfpe.14156

Evaluation of plasma‐activated water characteristics and its process optimization

2022· article· en· W4292332485 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Food Process Engineering · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaIndian Council of Agricultural Research
Mots-clésChemistryHydrogen peroxideOzoneDielectric barrier dischargeVolumetric flow rateEnvironmental chemistryChromatographyPulp and paper industryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Plasma‐activated water (PAW) is an emerging technology for the disinfection of foods and it is also widely evaluated for its applications in medicine. The long‐lived reactive oxygen species such as hydrogen peroxide and ozone are mainly responsible for the disinfecting properties of Ar/O 2 PAW. In this study, PAW characteristics were evaluated with respect to the process conditions and the post‐treatment time to understand the effect of process conditions and the time stability of PAW. PAW was generated using a continuous flow dielectric barrier discharge Ar/O 2 atmospheric pressure plasma system at different PAW treatment times. PAW properties were evaluated based on the concentration of hydrogen peroxide, ozone, pH, and the disinfection of Escherichia coli . From the time stability analysis, it was found that the hydrogen peroxide was more stable than ozone in PAW when stored at room temperature for 2 days. The E . coli inactivation was mainly attributed to the H 2 O 2 and ozone concentration than pH. The optimum process condition was found as 104 ml/min water flow rate, 20‐min treatment time and 4 slm gas flow rate for maximum reactive species concentration in PAW. Practical Applications There is a need for non‐chemical disinfection method of fresh fruits and vegetables, as the present chemical‐based disinfection methods are inefficient in controlling food‐borne outbreaks and the residual toxicity of these chemicals. Plasma‐activated water (PAW) is an emerging technology, which has the potential in disinfecting microorganisms. The aim of the work was to analyze the disinfection properties and the time stability of PAW. It is evident from the results that PAW is effective in disinfecting Escherichia coli and its reactive species degrade with time. This will facilitate the application of PAW as a disinfectant for fresh fruits and vegetables without any residual toxicity to the food and the environment. Further, from the optimization studies, understanding of the influence of process parameters on the PAW characteristics was derived which will be helpful to scale‐up of this technology.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil0,257

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 technologies0,0000,000
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 Opus0,021
Tête enseignante GPT0,269
Écart entre enseignants0,248 · 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