MétaCan
Menu
Retour à la cohorte
Enregistrement W4402451883 · doi:10.1080/00986445.2024.2398253

Investigation of mechanisms of sulfamethoxazole adsorption on novel adsorbents developed from reed canary grass

2024· article· en· W4402451883 sur OpenAlexafffund
Mohammad Amin Zamiri, Catherine Hui Niu

Notice bibliographique

RevueChemical Engineering Communications · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePharmaceutical and Antibiotic Environmental Impacts
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésAdsorptionSulfamethoxazoleChemistryWaste managementPulp and paper industryEnvironmental scienceChemical engineeringEnvironmental chemistryOrganic chemistryEngineeringAntibiotics

Résumé

récupéré en direct d'OpenAlex

In this work, reed canary grass and activated carbons developed from this biomass were used as novel adsorbents to remove sulfamethoxazole (SMX) from water. Raw biomass adsorbent with the lowest surface area demonstrated the lowest SMX adoption capacity of 20.2 ± 1.6 mg/g and the activated carbon adsorbent with the highest surface area showed the highest adsorption capacity of 160.5 ± 4.2 mg/g. π-π, hydrogen bonding, Lewis acid base, and hydrophobic interactions are the possible mechanisms that could be responsible for adsorption of SMX on the adsorbents. Methanol, hydrochloric acid solution, sodium hydroxide solution, and deionized water were used to desorb SMX from the adsorbent. The results of using 20 mL of solvent at 35 °C showed that methanol could desorb loaded SMX with a higher desorption efficiency (80.1 ± 2%) than the aqueous solvents (9.5-46.5%). Decreasing the temperature to 25 °C decreased the desorption efficiency of methanol to 58.5 ± 1%. By decreasing the methanol volume to 5 mL, SMX desorption efficiency could remain comparable (59.1 ± 1.2%). Reusing the adsorbent in 4 adsorption desorption cycles showed that SMX adsorption capacity reduced from 124.9 ± 3.8 mg/g in the first adsorption cycle to 82.1 ± 2.2 mg/g in the second adsorption cycle and was stable in the third and fourth cycles.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,053
Tête enseignante GPT0,277
Écart entre enseignants0,225 · 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'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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Engineering CommunicationsMême sujetPharmaceutical and Antibiotic Environmental ImpactsTravaux en français237 207