MétaCan
Menu
Retour à la cohorte
Enregistrement W3006848234 · doi:10.1126/sciadv.aay8973

Surface reservoirs dominate dynamic gas-surface partitioning of many indoor air constituents

2020· article· en· W3006848234 sur OpenAlexafffund
Chen Wang, Douglas B. Collins, Caleb Arata, Allen H. Goldstein, James M. Mattila, Delphine K. Farmer, Laura Ampollini, P. F. DeCarlo, Atila Novoselac, Marina E. Vance, William W. Nazaroff, Jonathan P. D. Abbatt

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoUniversity of Texas at AustinAlfred P. Sloan Foundation
Mots-clésSurface (topology)Environmental scienceIndoor airEnvironmental chemistryPetroleum engineeringGeologyChemistryEnvironmental engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Human health is affected by indoor air quality. One distinctive aspect of the indoor environment is its very large surface area that acts as a poorly characterized sink and source of gas-phase chemicals. In this work, air-surface interactions of 19 common indoor air contaminants with diverse properties and sources were monitored in a house using fast-response, on-line mass spectrometric and spectroscopic methods. Enhanced-ventilation experiments demonstrate that most of the contaminants reside in the surface reservoirs and not, as expected, in the gas phase. They participate in rapid air-surface partitioning that is much faster than air exchange. Phase distribution calculations are consistent with the observations when assuming simultaneous equilibria between air and large weakly polar and polar absorptive surface reservoirs, with acid-base dissociation in the polar reservoir. Chemical exposure assessments must account for the finding that contaminants that are fully volatile under outdoor air conditions instead behave as semivolatile compounds indoors.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,256
Écart entre enseignants0,245 · 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

Citations176
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetWind and Air Flow StudiesTravaux en français237 207