How Effective Is the Filtration of ‘KN95’ Filtering Facepiece Respirators During the COVID-19 Pandemic?
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
OBJECTIVES: The high demand of filtering facepiece respirators (FFRs) worldwide during the period of the COVID-19 pandemic has led to a critical situation for decision-makers regarding their supply. After authorizing the use of FFRs certified by other regions of the world, decision-makers in many countries have published alerts, particularly concerning the 'KN95' type. METHODS: This paper investigated the filtration performance of different FFRs using an experimental setup already employed during several studies on FFRs filtration performance. Its high-resolution measuring devices permit to determine filtration performance according to the normative criteria: the pressure drop and the filtration efficiency. Eight different FFRs have been used: four NIOSH-approved FFRs and four not NIOSH-approved with a 'KN95' shape available during the beginning of the COVID-19 pandemic. RESULTS: The data show a high disparity between different FFRs purchased by healthcare establishments, and between those that are NIOSH-approved and those that are not NIOSH-approved. The results confirm that the NIOSH certification offers good protection according to the normative criteria. The 'KN95' types present pressure drops which correspond to the normative value, however their efficiencies are lower than the efficiencies of FFRs certified by NIOSH and lower than 95% at the most penetrate particle size. CONCLUSIONS: FFRs marking is not sufficient to conclude on the FFRs' efficiency. Visual inspection can not determine which samples are counterfeit or have manufacturing defects.
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 | 0,001 | 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