A review of adsorbents engineered from biological materials developed to remediate estrogen pollution in the environment
Notice bibliographique
Résumé
Rising concerns over anthropogenic impacts on the environment have increased environmental pollution and water quality research which have demonstrated widespread pollutants characteristics in their low concentrations and few government regulations. Pharmaceuticals are an important subcategory of emerging contaminant pollution which consists of natural and synthetic compounds. Steroids are a notable class of pharmaceutical pollutants due to their high binding affinities and activation of signaling cascades at low concentrations. The impacts of hormonal pollutants necessitate remediation solutions. Adsorption technologies are a favorable method of pollutant removal in research due to the ease of implementation, cost-effectiveness, and potential for environmental friendliness. Biologically derived adsorbent materials offer additional potential benefits of employing properties of biological materials, improving biocompatibility, and valorizing biomass. Hydrogels, biomass, and biochar are some of the most environmentally friendly adsorbents in pollution remediation research and there is a sizable base of publications detailing promising results of these materials. Thus, a review of recent publications of hydrogels, biomass, and biochar applied to adsorb estrogens, the largest class of steroid hormones, will allow their findings to be compared. Estrone (E1), estradiol (E2), estriol (E3), and ethinylestradiol (EE2) were focused on in literature alongside other less-researched hormones including prednisolone, progesterone, hydrocortisone, and dexamethasone. Removal efficiencies of E1, E2, EE2, and E3 by hydrogels ranged from 10% to 93%, removal efficiencies of E2 and EE2 with biomasses reached up to 99% with tree bark, and biochar adsorption peaked in capacity of 233 mg/g of EE2 when synthesized from spent mushroom substrate. • Biologically derived materials developed to adsorb estrogens were reviewed • Methods of estrogen adsorption were reviewed and discussed • Comparisons were made between methods of estrogen adsorption • Differences between hydrogels, biomass, and biochar were compared • Suggestions for future development of adsorbent materials were made
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».