Comparative Evaluation of Polyester and Polyether Polyurethane Foams for <i>Escherichia coli</i> Adsorption in Water Disinfection
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide In 2022, an estimated 1.7 billion people globally lacked access to safe drinking water, with more than 100 million still relying on untreated surface water. Contamination of water with fecal bacteria can cause a variety of diseases. Many methods have been proposed and used to remove bacteria from drinking water. However, many of these methods still are not broadly used in remote areas, as they can be inefficient, require chemicals, or use complicated operational procedures. This study conducts an initial investigation of the potential of polyurethane foams for water disinfection. Specifically, we compared polyester polyurethane (PESPU) and polyether polyurethane (PU) foams with similar morphologies for Escherichia coli ( E. coli ) adsorption. The relationship between foam properties (surface charge, surface energy, and surface chemistry) and bacterial removal efficiency was investigated to identify the critical aspects for future adsorbent development. It was found that the PESPU foam achieved a bacterial log reduction of approximately 2.9 for E. coli when immersed in a solution with an initial concentration of 10 4 –10 5 CFU/mL for 1 h, whereas the PU foam showed negligible effectiveness under the same conditions. It was discovered that the PESPU foam exhibited a larger surface charge and surface energy than the PU foam, which likely contributed positively to its superior performance. This study is a step toward improving new foams employing surface charge, surface energy, and surface chemistry to improve bacterial adsorption effectiveness and provide accessible water treatment for underserved locations.
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 | 0,000 |
| 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; 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 ».