Advancements in biosorbent green technologies for cadmium removal: A bibliometric analysis and review (2019–2024)
Notice bibliographique
Résumé
Abstract This paper provides an in‐depth exploration of recent developments in biosorbent technologies for the removal of cadmium from aqueous solutions. Through a comprehensive bibliometric analysis, we identify key trends and advancements across four primary methodologies: physical, chemical, biological, and nanomaterial‐based approaches. Physical methods, utilizing natural materials like green algae and ion‐imprinted bagasse, offer cost‐effective and eco‐friendly solutions with moderate removal efficiencies (up to 111 mg/g). Chemical methods, including iminodiacetic acid (IDAA) functionalized loofah sponge and Salean polysaccharide, achieve high removal efficiencies (up to 170.1 mg/g) but involve complex preparation processes. Biological methods leverage the natural biosorption capacities of microorganisms and plants, with Bifidobacterium longum and chitosan achieving up to 99.11% removal efficiency. These methods are sustainable and support regeneration and reuse. Nanomaterial‐based approaches exhibit the highest cadmium removal efficiencies, with electro spun chitosan/phosphorylated nanocellulose reaching 232.55 mg/g, benefiting from their high surface area and functionalization potential. The review underscores the significant progress made in optimizing biosorbent technologies for cadmium removal, highlighting the strengths and limitations of each method. Nanomaterial‐based approaches emerge as the most effective, while chemical and biological methods offer high performance and sustainability, respectively.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,018 | 0,026 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».