Generating Nano-Aerosols from TiO<sub>2</sub>(5 nm) Nanoparticles Showing Different Agglomeration States. Application to Toxicological Studies
Notice bibliographique
Résumé
Agglomeration of nanoparticles (NP) is a key factor in the generation of aerosols from nano-powders and may represent an important parameter to consider in toxicological studies. For this reason, the characterization of NP aerosols (e.g., concentration, size, and structure of agglomerates) is a critical step in the determination of the relationship between exposure and effects. The aim of this study was to generate and characterize aerosols composed of TiO₂ (5 nm) NP showing different agglomeration states. Two concentrations were tested: 2 and 7 mg/m³. Stable mass concentrations over 6 hr were successfully generated by a wet method using Collison and Delavan nebulizers that resulted in aerosols composed of smaller agglomerates (<100 nm), while aerosols composed of larger agglomerates (>100 nm) were obtained by dry generation techniques using either a Palas dust feeder or a Fluidized Bed. Particle size distributions in the aerosols were determined by an electrical low pressure impactor. Median number aerodynamic diameters corresponding to the aerosol with smaller and larger agglomerates were 30 and 185 nm, respectively, for the 2 mg/m³ concentration, and 31 and 194 nm for the 7 mg/m³ experiment. Image analysis by transmission electron microscopy showed the presence of compact or agglomerates with void spaces in the different nano-aerosols. These characterized nano-aerosols will be used in further experiments to study the influence of agglomerate size on NP toxicity.
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 | 0,000 | 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 ».