MétaCan
Menu
Retour à la cohorte
Enregistrement W3037471384 · doi:10.1080/23744731.2020.1787085

Performance of mechanical filters used in general ventilation against nanoparticles

2020· article· en· W3037471384 sur OpenAlexafffund
Clothilde Brochot, Pooya Abdolghader, Fariborz Haghighat, Ali Bahloul

Notice bibliographique

RevueScience and Technology for the Built Environment · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailConcordia University
Organismes subventionnairesConcordia UniversityInstitut de Recherche Robert-Sauvé en Santé et en Sécurité du Travail
Mots-clésASHRAE 90.1Pressure dropMaterials scienceFiltration (mathematics)NanoparticleParticle sizePenetration (warfare)Composite materialNanotechnologyChemical engineeringMechanicsMathematicsEngineeringPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

With an equal mass, nanoparticles (NP) have a higher toxicity than particles with the same chemical composition but with larger surface area. However, the toxicological knowledge concerning NP is still insufficient to establish limit values of exposure. To seek the lowest exposure level, filtration is a simple and effective way to capture particles, including NP. According to ANSI/ASHRAE 52.2 standard, ventilation filters efficiency is tested for particles ranging from 0.3 to 10.0 μm. Performances of entire filters for NP are still very limited and particle size of 300 nm (0.3 μm) is commonly used as the most penetrating particle size (MPPS) for mechanical media. To evaluate the filter performance for NP, five type of filters were investigated to measure their performance for particles smaller than 300 nm including NP. The performance of these filters was evaluated in terms of penetration and pressure drop. Experimental data permit to evaluate the MPPS for these mechanical filters. Nevertheless, 150–500 nm range provides a better estimation of the MPPS in the conditions which were tested. Also, filtration velocity influences efficiency for nanoparticles at 50 nm but no effect was observed for MPPS.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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'étudeExpérimental (laboratoire)
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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience and Technology for the Built EnvironmentMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207