MétaCan
Menu
Retour à la cohorte
Enregistrement W2147403633 · doi:10.2486/indhealth.2013-0087

Assessment of Nanoparticle Exposure in Nanosilica Handling Process: Including Characteristics of Nanoparticles Leaking from a Vacuum Cleaner

2013· article· en· W2147403633 sur OpenAlexaff
Boowook Kim, Hyun‐Wook Kim, Il Je Yu

Notice bibliographique

RevueIndustrial Health · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensWorkers Compensation Board of British Columbia
Organismes subventionnairesMinistry of Employment and Labor
Mots-clésMaterials scienceNanoparticleUltrafine particleNanomaterialsVacuum cleanerParticle sizeParticle (ecology)CleanroomNanotechnologyComposite materialChemical engineeringEnvironmental scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Nanosilica is one of the most widely used nanomaterials across the world. However, their assessment data on the occupational exposure to nanoparticles is insufficient. The present study performed an exposure monitoring in workplace environments where synthetic powders are prepared using fumed nanosilica. Furthermore, after it was observed during exposure monitoring that nanoparticles were emitted through leakage in a vacuum cleaner (even with a HEPA-filter installed in it), the properties of the leaked nanoparticles were also investigated. Workers were exposed to high-concentration nanosilica emitted into the air while pouring it into a container or transferring the container. The use of a vacuum cleaner with a leak (caused by an inadequate sealing) was found to be the origin of nanosilica dispersion in the indoor air. While the particle size of the nanosilica that emitted into the air (during the handling of nanosilica by a worker) was mostly over 100 nm or several microns (µm) due to the coagulation of particles, the size of nanosilica that leaked out of vacuum cleaner was almost similar to the primary size (mode diameter 11.5 nm). Analysis of area samples resulted in 20% (60% in terms of peak concentration) less than the analysis of the personals sample.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,077
Tête enseignante GPT0,341
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations36
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial HealthMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207