Investigation of Air Quality Problems in an Indoor Swimming Pool: A Case Study
Notice bibliographique
Résumé
INTRODUCTION: Trichloramine (NCl3) is the contaminant suspected the most to cause irritative respiratory symptoms among swimmers and swimming pool workers. Following complaints by employees working in an indoor swimming pool, this study set out to identify the determinants of NCl3 air concentrations in that particular swimming pool. METHODS: To document NCl3 air levels, air samples (n = 26) were collected once or twice a day for 3 h, at least 3 days per week, between October and December 2011. Water samples were taken three times during air sampling to verify free chlorine, chloramines, alkalinity, conductivity, pH, water temperature, and turbidity. Water changes were also recorded, along with the number of bathers. Ventilation (outdoor air flow) was modified to verify the influence of this important variable. Data were evaluated by analysis of variance. RESULTS: Mean NCl3 air concentration was 0.38 mg m(-3). The best model explaining variations of NCl3 air levels (r2 = 0.83) included sampling period (P = 0.002, NCl3 was higher in the evening versus the morning), water changes (P = 0.02, NCl3 was lower with water changes between 60 and 90 min day(-1) versus <60 min day(-1)), and ventilation (P = 0.0002, NCl3 was lower with ≥2 air changes per hour (ACH) versus <1 ACH). DISCUSSION AND CONCLUSION: Although based on only 26 air samples, our results indicate that ventilation is an important determinant of NCl3 air concentration in swimming pool air. There is limited information available on the air quality of indoor swimming pools and the relationship with ventilation. Efforts are needed to document the situation and to develop state-of-the-art facilities for ventilation of indoor swimming pools.
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 | 0,001 | 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 ».