Emissions and health risks from the use of 3D printers in an occupational setting
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
The aim of this study was to determine concentrations of particulates and volatile organic compounds (VOCs) emitted from 3D printers using polylactic acid (PLA) filaments at a university workroom to assess exposure and health risks in an occupational setting. Under typical-case (one printer) and worst-case (three printers operating simultaneously) scenarios, particulate concentration (total and respirable), VOCs and formaldehyde were measured. Air samples were collected in the printing room and adjacent hallway. Size-resolved levels of nano-diameter particles were also collected in the printing room. Total particulate levels were higher in the worst-case scenario (0.7 mg/m3) vs. typical-case scenario (0.3 mg/m3). Respirable particulate and formaldehyde concentrations were similar between the two scenarios. Size-resolved measurements showed that most particles ranged from approximately 27 to 116 nm. Total VOC levels were approximately 6-fold higher during the worst-case scenario vs. typical situation with isopropyl alcohol being the predominant VOC. Airborne concentrations in the hallway were generally lower than inside the printing room. All measurements were below their respective occupational exposure limits. In summary, emissions of particulates and VOCs increased when multiple 3D printers were operating simultaneously. Airborne levels in the adjacent hallway were similar between the two scenarios. Overall, data suggest a low risk of significant and persistent adverse health effects. Nevertheless, the health effects attributed to 3D printing are not fully known and adherence to good hygiene principles is recommended during use of this technology.
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