Eye lens dosimetry in Canadian CANDU nuclear power plants based on operational dosimetric quantities H<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline" id="d1e1219" altimg="si24.svg"><mml:msub><mml:mrow/><mml:mrow><mml:mi>p</mml:mi></mml:mrow></mml:msub></mml:math>(10) and H<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline" id="d1e1227" altimg="si24.svg"><mml:msub><mml:mrow/><mml:mrow><mml:mi>p</mml:mi></mml:mrow></mml:msub></mml:math>(0.07)
Notice bibliographique
Résumé
In this article, we present a methodology for performing eye lens dosimetry in CANDU nuclear power plants using an existing and highly accurate Harshaw 4-element TLD-700 dosemeter. This dosemeter, which has been specially designed for Ontario Power Generation (OPG) and Bruce Power (BP), measures the deep and shallow personal dose equivalent quantities Hp(10) and Hp(0.07), respectively. Using these measured personal dose equivalent quantities and applying a beta-ray strength scaling factor to the Hp(0.07) measurement in particular, we have developed an algorithm that can be used to calculate the dose to the lens of the eye in mixed beta–gamma fields. This scaling factor has been developed and is primarily based on results obtained from extensive collaborative study, performed by Ontario Power Generation (OPG), Bruce Power (BP) and McMaster University, through Candu Owners Group (COG) support (Bohra et al., 2021; Laranjeiro et al., 2020). Furthermore, scaling factor F, also includes effects of protective glass eyewear and results from Whole body dosimetry intercomparison exercises. The algorithm to calculate eye lens dose at CANDU power plants has been developed, based on this scaling factor and operational dosimetric quantities Hp(10) and Hp(0.07)
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,204 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».