MétaCan
Menu
Retour à la cohorte
Enregistrement W2612510402 · doi:10.1016/j.ijmst.2017.05.011

Diesel engine exhaust exposures in two underground mines

2017· article· en· W2612510402 sur OpenAlexafffund
Maximilien Debia, Caroline Couture, Pierre-Eric Njanga, Eve Neesham-Grenon, Guillaume Lachapelle, Hugo Coulombe, Stéphane Hallé, Simon Aubin

Notice bibliographique

RevueInternational Journal of Mining Science and Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensInstitut de Recherche Robert-Sauvé en Santé et en Sécurité du TravailAgnico Eagle (Canada)École de Technologie SupérieureUniversité de Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesIAMGOLD
Mots-clésCorrelation coefficientEnvironmental scienceVentilation (architecture)Environmental engineeringEnvironmental chemistryWaste managementChemistryEngineeringMeteorologyPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Exposure to diesel engine exhaust (DE) is a major concern in underground mines. It has been linked to cardiopulmonary diseases and is classified as a human carcinogen. The goal of this study is to assess DE exposures in workers at two underground gold mines, to compare exposure levels within and between the mines, and to compare different methods of measuring DE exposures, namely respirable combustible dust (RCD), elemental carbon (EC) and total carbon (TC). Ambient and personal breathing zone (PBZ) measurements were taken. Side-by-side monitoring of RCD and of the respirable fraction of EC and TC (ECR and TCR) was carried out in the workers’ breathing zone during full-shift work. Regarding ambient measurements, in addition to ECR, TCR and RCD, a submicron aerosol fraction (less than 1 µm) of EC and TC was also sampled (EC1 and TC1). Average ambient results of 240 µg/m3 in RCD, 150 µg/m3 in ECR and 210 µg/m3 in TCR are obtained. Average PBZ results of 190 µg/m3 in RCD, 84 µg/m3 in ECR and 150 µg/m3 in TCR are obtained. Very good correlation is found between ECR and EC1 with a Pearson correlation coefficient of 0.99 (p < 0.01) calculated between the two log-transformed concentrations. No differences are reported between ECR and EC1, nor between TCR and TC1, since ratios are equal to 1.04, close to 1, in both cases. Highest exposures are reported for load-haul-dump (LHD) and jumbo drill operators and conventional miners. Significant exposure differences are reported between mines for truck and LHD operators (p < 0.01). The average TCR/ECR ratio is 1.6 for PBZ results, and 1.3 for ambient results. The variability observed in the TCR/ECR ratio shows that interferences from non-diesel related organic carbon can skew the interpretation of results when relying only on TC data.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,037
Tête enseignante GPT0,380
Écart entre enseignants0,343 · 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

Citations34
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mining Science and TechnologyMême sujetAir Quality and Health ImpactsTravaux en français237 207