Chitosan Hydrogels Crosslinked With Glutaraldehyde for Potential Toxic Elements Removal: Batch and Purification Device Analysis
Notice bibliographique
Résumé
ABSTRACT The presence of toxic metal ions in contaminated wastewater raises significant concerns for human health. Three‐dimensional porous systems like hydrogels are being explored for contaminant removal. Still, there is a lack of understanding of their production parameters and performance. Therefore, the present work investigates the production parameters of chitosan hydrogels using the design of experiments methodology. Hydrogels were developed by solubilizing chitosan in acetic acid solution and cross‐linked using glutaraldehyde, varying its proportions. The formulation containing 2% chitosan and 1% glutaraldehyde has water absorption superior to 300% and potential for metal removal, particularly copper and chromium. Crosslinking was validated by FTIR analysis, and the obtained hydrogel presented a highly porous structure. Kinetic studies showed a better fit to a pseudo‐second order, and the Langmuir isotherm presented the best fit, showing sorption capacities of 0.422 and 1.143 mmol g −1 for copper and chromium, respectively. Filtration tests demonstrated that a 0.25 mL/min flow rate provided the best performance, with an initial fast removal that stabilizes. In addition, the weight and design used directly influence the adsorption properties. Results show that chitosan‐based hydrogels can potentially remove metal contaminants. A filtering system is a feasible alternative for developing a low‐cost, efficient, and environmentally friendly system.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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; 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 ».