Effect of Piper Betle Linn Extract Concentration and Contact Time on Reducing Bacillus Subtilis and Bacillus Stearothermophilus in Medical Waste
Notice bibliographique
Résumé
Non-optimized medical waste treatment can produce biological residues of Bacillus subtilis and Bacillus stearothermophilus bacteria, which are agents of various diseases.The first purpose of this study was to determine the difference in the length of contact time and dose of green betel leaf (Piper betle Linn.) extract on the number of Bacillus sp. in the medical waste recycling process.This study's second purpose was to determine the total Bacillus subtilis and Bacillus stearothermophilus reduction after treatment.This study's research design was an experimental design (the after-only design).The concentrations used were 0.03%, 0.05%, 0.07%, 0.3%, 0.5%, 0.7%, 3%, 5% and 7%, and contact times of 15, 30, and 45 minutes with 144 samples each.The ANOVA (one-way) test results showed that there were no differences in the length of contact time and dose of Piper betle Linn.extract as a disinfectant on the number of Bacillus subtilis in the medical waste recycling process.The smallest amount of Bacillus sp. was found at a concentration of 0.05% green betel leaf immersion (330 colonies/ml), and the largest colonies occurred at a concentration of 3% immersion (658 colonies/ml).The contact time and concentration of green betel leaves had no difference on the number of Bacillus sp., but the concentration of 3% showed optimal results in reducing these bacteria.Antimicrobial Piper betle Linn.content can be developed for further research in the removal of bacteria or other parasites.
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 | 0,001 | 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 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 ».