MétaCan
Menu
Retour à la cohorte
Enregistrement W2006910773 · doi:10.1021/es802172a

Multimedia Modeling of Polybrominated Diphenyl Ether Emissions and Fate Indoors

2009· article· en· W2006910773 sur OpenAlexafffund
Xianming Zhang, Miriam L. Diamond, Catalina Ibarra, Stuart Harrad

Notice bibliographique

RevueEnvironmental Science & Technology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésDiphenyl etherPolybrominated diphenyl ethersEnvironmental sciencePolybrominated BiphenylsEnvironmental chemistryChemistryPollutantOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

We adapted an indoor multimedia fugacity model to consider emissions and fate of polybrominated diphenyl ethers (PBDEs) and to understand the variability of indoor concentrations. The model was applied to an office in which an 80% decrease in PBDE air concentration was observed after an old computer was exchanged with a newer one. PBDE-impregnated polyurethane foam (PUF) and carpet were treated as pseudo-steady-state components with specified fugacities derived from measured concentrations of 173 and 2140 ng x g(-1), respectively. Emission rates of 35 and 5.4 ng x h(-1), for the old and new computers, respectively, were calculated using the pseudo-steady-state approach. Particle movement (deposition and resuspension) dominates within-room transport processes, and dust removal (vacuuming) and air advection (ventilation) are the main loss processes. The most sensitive parameters to air concentrations and estimated emission rates are room temperature, particle concentrations and deposition velocity, and air exchange rates. The air exchange rates and bouncing on PUF furniture can alter whether the PUF and carpet are sources or sinks of PBDEs. Model results suggest that exposure via air can be reduced by removing dust, having a high air exchange rate, and low indoor temperatures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,291
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,225
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations121
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetToxic Organic Pollutants ImpactTravaux en français237 207