Functionalized Masks: Powerful Materials against COVID‐19 and Future Pandemics
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
The outbreak of COVID-19 revealed the vulnerability of commercially available face masks. Without having antibacterial/antiviral activities, the current masks act only as filtering materials of the aerosols containing microorganisms. Meanwhile, in surgical masks, the viral and bacterial filtration highly depends on the electrostatic charges of masks. These electrostatic charges disappear after 8 h, which leads to a significant decline in filtration efficiency. Therefore, to enhance the masks' protection performance, fabrication of innovative masks with more advanced functions is in urgent demand. This review summarizes the various functionalizing agents which can endow four important functions in the masks including i) boosting the antimicrobial and self-disinfectant characteristics via incorporating metal nanoparticles or photosensitizers, ii) increasing the self-cleaning by inserting superhydrophobic materials such as graphenes and alkyl silanes, iii) creating photo/electrothermal properties by forming graphene and metal thin films within the masks, and iv) incorporating triboelectric nanogenerators among the friction layers of masks to stabilize the electrostatic charges and facilitating the recharging of masks. The strategies for creating these properties toward the functionalized masks are discussed in detail. The effectiveness and limitation of each method in generating the desired properties are well-explained along with addressing the prospects for the future development of masks.
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) | 0,001 | 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) | 0,002 | 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