Electrodialysis reversal (EDR) technology: a viable solution for addressing water quality challenges in the dry zone, Sri Lanka
Notice bibliographique
Résumé
ABSTRACT Chronic Kidney Disease of Unknown Etiology (CKDu) affects rural Sri Lankan agricultural populations, with poor-quality ground and surface water suspected as the root cause. Hence, we conducted this study to explore the effectiveness of Electrodialysis Reversal (EDR) technology in treating water quality issues related to CKDu in dry zone of Sri Lanka. The EDR plant in Kahatagasdigiliya, Anuradhapura district, managed by the National Water Supply and Drainage Board (NWS&DB) was selected. We measured both physical (colour, turbidity, pH) and chemical (electrical conductivity, total dissolved solids, chloride, alkalinity, hardness, nitrate, nitrite, sulfate, fluoride, total phosphate, iron, manganese) parameters of the EDR process. The parameters of the permeate stage of the EDR plant were validated by comparison with data from SLS 614:2013, and removal efficiencies were assessed. The results revealed that all parameters consistently fell within the permissible limits in the permeate stage of the EDR plant. Turbidity (62.65%), sulfate and manganese (50%), colour (47.37%), fluoride (44.19%), and hardness (35.71%) showed high removal efficiencies in the EDR process. The study demonstrated the effectiveness of EDR technology in addressing water quality challenges, validating its potential for groundwater treatment and this contributes to the improvement of groundwater quality in CKDu-prevalent areas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».