Fabriquer des serviettes menstruelles à partir de plantes succulentes pourrait améliorer l'accès aux produits sanitaires


La morphologie des fibres uniques provenant de différentes plantes riches en fibres affecte la capacité d'absorption. Crédit: Ingénierie des communications (2023). DOI : 10.1038/s44172-023-00130-y

Une méthode de production d'un matériau hautement absorbant à partir de sisal (Agave sisalana), une plante succulente tolérante à la sécheresse, est décrite dans une étude publiée dans Ingénierie des communications. Les auteurs suggèrent qu’avec un développement ultérieur, leur méthode pourrait être utilisée pour produire des serviettes menstruelles jetables d’origine locale dans les régions rurales et semi-arides.

Manu Prakash et ses collègues ont traité les fibres extraites des feuilles de sisal avec de l'acide peroxyformique et de l'hydroxyde de sodium avant de les sécher à l'air et de les mélanger. Cela a généré un matériau duveteux qui, selon les auteurs, pourrait être utilisé comme couche absorbante dans une serviette menstruelle jetable. Ils ont découvert qu'il est capable d'absorber plus d'eau qu'une serviette menstruelle en coton disponible dans le commerce (23,9 contre 15,2 grammes d'eau par gramme). de matière).

Les auteurs ont démontré cette utilisation potentielle en incorporant du sisal traité dans un prototype de serviette menstruelle entre une couche supérieure poreuse et une couche inférieure imperméable obtenue à partir d’une serviette menstruelle commerciale.

Les auteurs ont estimé les matières premières et l’énergie nécessaires à la fabrication du sisal transformé et les ont comparés aux données précédemment rapportées pour la production de bois de résineux et de coton décoloré, des matériaux souvent utilisés dans les serviettes menstruelles commerciales. Ils estiment que la fabrication d’un kilogramme de sisal transformé en laboratoire génère 3,5 kilogrammes de dioxyde de carbone et consomme entre 44,6 et 119,6 kilogrammes d’eau.

En comparaison, la fabrication d'un kilogramme de bois résineux transformé génère 0,5 à 1,1 kilogramme de dioxyde de carbone et consomme 61,8 kilogrammes d'eau, tandis qu'un kilogramme de coton blanchi génère 1,6 à 5,3 kilogrammes de dioxyde de carbone et consomme entre 64,5 et 139,5 kilogrammes d'eau. .

Comme le sisal peut être récolté toute l'année dans les régions semi-arides, les auteurs suggèrent qu'il pourrait être utilisé comme alternative au coton ou au bois résineux pour fabriquer localement des serviettes menstruelles jetables dans les régions à revenus faibles et intermédiaires, en particulier sur les terres sèches. ou souvent considéré comme impropre à l'agriculture.

Ils proposent que de futures recherches explorent des approches visant à accroître la durabilité du traitement du sisal en examinant si les déchets liquides riches en polymères générés lors du traitement des fibres pourraient être utilisés dans la production d'engrais ou de couches inférieures imperméables compostables pour les serviettes menstruelles.

Plus d'information:
Anton Molina et al, Agave sisalana : vers une fabrication distribuée de supports absorbants pour serviettes menstruelles dans les régions semi-arides, Ingénierie des communications (2023). DOI : 10.1038/s44172-023-00130-y

Fourni par Nature Publishing Group

Citation: Fabriquer des serviettes menstruelles à partir de plantes succulentes pourrait améliorer l'accès aux produits sanitaires (1er décembre 2023) récupéré le 1er décembre 2023 sur

Ce document est soumis au droit d'auteur. En dehors de toute utilisation équitable à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.



Related posts

L’analyse révèle que la plupart des LLM majeurs en open source et en source fermée ont tendance à pencher à gauche lorsqu’on leur pose des questions à forte connotation politique

Une étude examine la contagion du suicide après le décès de célébrités, ouvrant des pistes de prévention

Sonder la capture du carbone, atome par atome, avec un modèle d’apprentissage automatique