Use of 3D printed connectors to redesign full face snorkeling masks in the COVID-19 era: A preliminary technical case-study
Notice bibliographique
Résumé
The COVID-19 pandemic resulted in severe shortages of personal protection equipment and non-invasive ventilation devices. As traditional supply chains could not meet up with the demand, makeshift solutions were developed and locally manufactured by rapid prototyping networks. Among the different global initiatives, retrofitting of full-face snorkeling masks for Non-Invasive-Ventilation (NIV) applications seems the most challenging. This article provides a systematic overview of rapid prototyped - 3D printed - designs that enable attachment of medical equipment to snorkeling masks, highlighting potential and challenges in additive manufacturing. The different NIV connector designs are compared on low-cost 3D fabrication time and costs, which allows a rapid assessment of developed connectors for health care workers in urgent need of retrofitting snorkeling masks for NIV purposes. Challenges and safety issues of the rapid prototyping approach for healthcare applications during the pandemic are discussed as well. When critical parameters such as the final product cost, geographical availability of the feedstock and the 3D printers and the medical efficiency of the rapid prototyped products are well considered before deploying decentralized 3D printing as manufacturing method, this rapid prototyping strategy contributed to reduce personal protective equipment and NIV shortages during the first wave of the COVID-19 pandemic. It is also concluded that it is crucial to carefully optimize material and printer parameter settings to realize best fitting and airtight connector-mask connections, which is heavily depending on the chosen feedstock and type of printer.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».