MétaCan
Menu
Retour à la cohorte
Enregistrement W4407928834 · doi:10.1016/j.isci.2025.112113

Functionalized biochar for the removal of poly- and perfluoroalkyl substances in aqueous media

2025· review· en· W4407928834 sur OpenAlexafffund
Sepideh Nasrollahpour, Rama Pulicharla, Satinder Kaur Brar

Notice bibliographique

RevueiScience · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePer- and polyfluoroalkyl substances research
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiocharAqueous mediumChemistryAqueous solutionChemical engineeringOrganic chemistryPyrolysis

Résumé

récupéré en direct d'OpenAlex

Biochar has gained attention as a promising adsorbent for removing various environmental pollutants due to its availability, cost-effectiveness, eco-friendly nature, and high adsorption capacity. This review focuses on using biochar to remove poly- and perfluoroalkyl substances (PFAS), emerging contaminants that pose significant environmental and health risks due to their toxicity, persistence, and bioaccumulation potential. The classification of biochar and using pristine and functionalized biochar for pollutant removal are addressed, along with an overview of the various functionalization techniques employed to enhance biochar's adsorption capacity. Different factors influencing the removal of poly- and perfluoroalkyl substances (PFAS), such as pH, the molecular chain length of PFAS, and biochar characteristics like pyrolysis temperature, particle size, and dosage, are investigated. Long-chain PFAS, such as perfluoro octane sulfonate (PFOS) and perfluorooctanoic acid (PFOA), are more effectively adsorbed than short-chain PFAS, with competitive sorption effects observed in mixed-solution environments. A decrease in pH, smaller biochar particle sizes, and optimized pyrolysis temperatures have been found to enhance biochar's sorption capacity. Furthermore, biochar demonstrates higher efficiency in single-solution systems compared to mixed solutions when removing PFAS.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,047
Tête enseignante GPT0,336
Écart entre enseignants0,289 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet · Autre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations30
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetPer- and polyfluoroalkyl substances researchTravaux en français237 207