Which Gloves Are Efficient To Protect Against Titanium Dioxide Nanoparticles In Work Conditions?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent articles underline the potential health risks associated to the "nano" revolution. Titanium dioxide nanoparticles (nTiO2) are one of these engineered nanoparticles (ENP) that have been cautioned about their likely harmful effects on health. In occupational use, to handle ENP, many Health & Safety agencies have recommended the application of the precautionary principle namely the recommendation of the use of protective gloves against chemicals. However, at the best of our knowledge, no study about the penetration of ENP through protective gloves in working conditions was performed. This study was designed to evaluate the efficiency of several models of protective gloves against nTiO2. Two types of nitrile rubber gloves (100 m and 200m), latex and butyl rubber gloves were brought into contact with nTiO2 in water, in propylene glycol (PG) or in powder. Mechanical biaxial deformations (BD), simulating the flexing of the hand, were applied to the samples during their exposure to ENP. Depending the model of gloves and the mode of application of the NP, the results obtained by ICP-MS (Inductively Coupled Plasma -Mass Spectrometry) are different. For nTiO2 in water, the passage is highlighted for nitrile rubber gloves (100 m) after only 60 deformations and the nTiO2 concentration reaches its maximum for 180 BD. Regarding the nTiO2 in powder, nitrile rubber gloves (100 m) and butyl rubber, the values achieved are significant but less than the solutions.
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.
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 découle