Metal impurities provide useful tracers for identifying exposures to airborne single-wall carbon nanotubes released from work-related processes
Notice bibliographique
Résumé
This study investigated the use of metal impurities in single-wall carbon nanotubes (SWCNT) as potential tracers to distinguish engineered nanomaterials from background aerosols. TEM and SEM were used to characterize parent material and aerosolized agglomerates collected on PTFE filters using a cascade impactor. SEM image analysis indicated that the SWCNT agglomerates contained about 45% amorphous carbon and backscatter electron analysis indicated that metal impurities were concentrated within the amorphous carbon component. Two elements present as impurities (Y and Ni) were selected as appropriate tracers in this case as their concentrations were found to be highly elevated in the SWCNT parent material (% range) compared to ambient air particles (μg/g range), and background air concentrations were below detection limits for both elements. Bioaccessibility was also determined using physiologically-based extractions at pH conditions relevant to both ingestion and inhalation pathways. A portable wet electrostatic precipitation system effectively captured airborne Y and Ni released during sieving processes, in proportions similar to the bulk sample. These observations support the potential for catalysts and other metal impurities in carbon nanotubes to serve as tracers that uniquely identify emissions at source, after an initial analysis to select appropriate tracers.
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 | 0,001 | 0,001 |
| 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 ».