Meta‐Analysis of Production of Volatile Fatty Acids From Waste Streams: Towards Creating Decision Support Tools for Process Optimization
Notice bibliographique
Résumé
After anaerobic digestion, the sludge in wastewater treatment plants encompasses biosolids and food waste entering the sewer systems through food waste grinders in the kitchen sinks, especially in North America. These digested biosolids and food waste are typically discarded in landfills or incinerated. However, producing volatile fatty acids (VFAs) through fermentation of this waste stream of sludge and food waste is a lucrative value chain to biosolids and food waste management. The co-fermentation of sludge and food waste enhances microbial diversity and provides optimal carbon:nitrogen ratio for VFA generation. However, variation in the source and composition of the food waste significantly impacts the fermentation efficiency. In this study, a meta-analysis of 107 studies from North America was performed to understand the correlation between operational parameters and their effects on VFA production to use it as a tool for process optimization. The 107 studies were selected out of 303 from the database of Scopus and Web of Science from the year 2000 to 2024. The included studies were original research articles with inclusive data on VFA production using food waste as a substrate. Initial substrate concentration was found to be a reliable predictor for VFA production, followed by temperature and pH. Substrate concentrations between 9 and 20 gCOD/L, coupled with temperatures around 25°C or lower and neutral to slightly acidic pH, were observed to create favorable conditions for microbial activity and VFA generation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».