An integrated and multi-technique approach to characterize airborne graphene flakes in the workplace during production phases
Notice bibliographique
Résumé
Graphene is a one-atom-thick sheet of carbon atoms arranged in a honeycomb pattern and its unique and amazing properties make it suitable for a wide range of applications ranging from electronic devices to food packaging. However, the biocompatibility of graphene is dependent on the complex interplay of its several physical and chemical properties. The main aim of the present study is to highlight the importance of integrating different characterization techniques to describe the potential release of airborne graphene flakes in a graphene processing and production research laboratory. Specifically, the production and processing (i.e., drying) of few-layer graphene (FLG) through liquid-phase exfoliation of graphite are analysed by integrated characterization techniques. For this purpose, the exposure measurement strategy was based on the multi-metric tiered approach proposed by the Organization for Economic Cooperation and Development (OECD) via integrating high-frequency real-time measurements and personal sampling. Particle number concentration, average diameter and lung deposition surface area time series acquired in the worker's personal breathing zone (PBZ) were compared simultaneously to background measurements, showing the potential release of FLG. Then, electron microscopy techniques and Raman spectroscopy were applied to characterize particles collected by personal inertial impactors to investigate the morphology, chemical composition and crystal structure of rare airborne graphene flakes. The gathered information provides a valuable basis for improving risk management strategies in research and industrial laboratories.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».