Effect of Odor-Treatment Biofilter on Bioaerosols from an Indoor Wastewater Treatment Plant
Notice bibliographique
Résumé
Wastewater treatment plants (WWTPs) are confirmed sources of bioaerosols and can be a hotspot for both antibiotic-resistant bacteria and antibiotic-resistant genes (ARGs). Bioaerosols can be a source of dispersion for bacteria and ARGs into the environment. Biofiltration is one of the most effective technologies to mitigate odors from WWTPs. The objective of this study was to evaluate the capacity of an odor biofiltration system designed to remove volatile compounds, to influence the airborne bacterial diversity and to reduce the aerosolized microbial and ARG concentrations. In total, 28 air samples were collected before and after treatment of an interior WWTP. Overall, air samples collected upstream had higher total bacterial concentrations, and a shift in bacterial diversity was observed. Legionella and Mycobacterium were detected in low abundance upstream and downstream, whereas Legionella pneumophila was detected but not quantifiable in two samples. Of the 31 ARGs and mobile genetic elements detected by quantitative polymerase chain reaction, 15 exhibited a significant reduction in their relative abundance after biofiltration, and none were significantly higher in the effluent. Overall, these results show the benefits of odor biofiltration systems to reduce bacterial and antimicrobial resistance in treated air, a promising application to limit environmental dispersion.
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 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) | 0,012 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».