Properties of materials considered for improvised masks
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
During a pandemic in which aerosol and droplet transmission is possible, such as the COVID-19 pandemic of 2020, the demand for face masks that meet medical or workplace standards can prevent most individuals from obtaining suitable protection. Cloth masks are widely believed to impede droplet and aerosol transmission, but most are constructed from materials with unknown filtration efficiency, airflow resistance and water resistance. Here we provide data on a range of common fabrics that might be used to construct masks, complimenting existing studies by largely considering particles in the micron range (a plausible challenge size for human generated aerosols). None of the materials were suitable for N95 masks, but many could provide useful filtration (>90%) of 3 micron particles, with low pressure drop. These were: nonwoven sterile wraps, dried baby wipes and some double-knit cotton materials. Decontamination of N95 masks using isopropyl alcohol produces the expected increase in particle penetration, but for 3 micron particles, filtration efficiency is still well above 95%. Tightly woven thin fabrics, despite having the visual appearance of a good particle barrier, had remarkably low filtration efficiency and high pressure drop. The better material structures expose individual fibers to the flow while the poor materials may have small fundamental fibers but these are in tightly bundled yarns. Despite the complexity of the design of a very good mask, it is clear that for the larger aerosol particles, any mask will provide substantial protection to the wearer and those around them. Copyright © 2021 American Association for Aerosol Research
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