MétaCan
Menu
Retour à la cohorte
Enregistrement W3176287544 · doi:10.3390/su13137034

A New Challenge for the Management and Disposal of Personal Protective Equipment Waste during the COVID-19 Pandemic

2021· article· en· W3176287544 sur OpenAlexafffund
Zheng Wang, Christophe Guy, Kelvin Tsun Wai Ng, Chunjiang An

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare and Environmental Waste Management
Établissements canadiensUniversity of ReginaConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPersonal protective equipmentIncinerationHazardous wasteWaste managementBiomedical wasteCoronavirus disease 2019 (COVID-19)PandemicWaste disposalHousehold hazardous wasteBusinessHuman healthEnvironmental pollutionEnvironmental planningMunicipal solid wasteMobile incineratorEnvironmental scienceEngineeringWaste collectionEnvironmental healthEnvironmental protectionHealth careMedicine

Résumé

récupéré en direct d'OpenAlex

To prevent the transmission of the Coronavirus (SARS-CoV-2) in the public, the demand and consumption of personal protective equipment (PPE) increased drastically. Such wide use of PPE has brough a new challenge to waste management and disposal. It is difficult to sort PPE waste before further treatment, and such waste will often end up being processed by some traditional disposal methods. During the pandemic, incineration and landfill facilities are currently under significant pressure. In addition, a certain amount of PPE waste is discarded into the environment rather than going to landfills and incinerators. It not only directly affects the ecosystem, but also indirectly threatens human health through various routes of exposure. PPE waste is also the source and carrier of pathogens and chemical contaminants, causing a secondary pollution. Therefore, it is necessary to establish appropriate strategies to deal with the PPE problems related to energy, environment and health, requiring the collaborative efforts of researchers, practitioners, policymakers, and governments.

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)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0090,009
Science ouverte0,0020,006
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,033
Tête enseignante GPT0,321
Écart entre enseignants0,288 · 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'étudeSans objet
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

Citations36
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetHealthcare and Environmental Waste ManagementTravaux en français237 207