MétaCan
Menu
Retour à la cohorte
Enregistrement W4401316247 · doi:10.1016/j.watres.2024.122216

Greywater recycling for diverse collection scales and appliances: Enteric pathogen log-removal targets and treatment trains

2024· article· en· W4401316247 sur OpenAlexfundno aff
Eva Reynaert, Émile Sylvestre, Eberhard Morgenroth, Timothy R. Julian

Notice bibliographique

RevueWater Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesEidgenössische Anstalt für Wasserversorgung Abwasserreinigung und GewässerschutzFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésGreywaterCryptosporidiumNorovirusReuseCampylobacterRotavirusBiologyGiardiaGiardia lambliaEnvironmental scienceEnvironmental engineeringEcologyMicrobiologyFecesBacteriaVirologyOutbreak

Résumé

récupéré en direct d'OpenAlex

In light of increasingly diverse greywater reuse applications, this study proposes risk-based log-removal targets (LRTs) to aid the selection of treatment trains for greywater recycling at different collection scales, including appliance-scale reuse of individual greywater streams. An epidemiology-based model was used to simulate the concentrations of prevalent and treatment-resistant reference pathogens (protozoa: Giardia and Cryptosporidium spp., bacteria: Salmonella and Campylobacter spp., viruses: rotavirus, norovirus, adenovirus, and Coxsackievirus B5) in the greywater streams for collection scales of 5-, 100-, and a 1000-people. Using quantitative microbial risk assessment (QMRA), we calculated LRTs to meet a health benchmark of 10–4 infections per person per year over 10′000 Monte Carlo iterations. LRTs were highest for norovirus at the 5-people scale and for adenovirus at the 100- and 1000-people scales. Example treatment trains were designed to meet the 95 % quantiles of LRTs. Treatment trains consisted of an aerated membrane bioreactor, chlorination, and, if required, UV disinfection. In most cases, rotavirus, norovirus, adenovirus and Cryptosporidium spp. determined the overall treatment train requirements. Norovirus was most often critical to dimension the chlorination (concentration × time values) and adenovirus determined the required UV dose. Smaller collection scales did not generally allow for simpler treatment trains due to the high LRTs associated with viruses, with the exception of recirculating washing machines and handwashing stations. Similarly, treating greywater sources individually resulted in lower LRTs, but the lower required LRTs nevertheless did not generally allow for simpler treatment trains. For instance, LRTs for a recirculating washing machine were around 3-log units lower compared to LRTs for indoor reuse of combined greywater (1000-people scale), but both scenarios necessitated treatment with a membrane bioreactor, chlorination and UV disinfection. However, simpler treatment trains may be feasible for small-scale and application-scale reuse if: (i) less conservative health benchmarks are used for household-based systems, considering the reduced relative importance of treated greywater in pathogen transmission in households, and (ii) higher log-removal values (LRVs) can be validated for unit processes, enabling simpler treatment trains for a larger number of appliance-scale reuse systems.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,426
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,077
Tête enseignante GPT0,327
Écart entre enseignants0,250 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater ResearchMême sujetWastewater Treatment and ReuseTravaux en français237 207