Systematic experimental comparison of particle filtration efficiency test methods for commercial respirators and face masks
Notice bibliographique
Résumé
Respirators, medical masks, and barrier face coverings all filter airborne particles using similar physical principles. However, they are tested for certification using a variety of standardized test methods, creating challenges for the comparison of differently certified products. We have performed systematic experiments to quantify and understand the differences between standardized test methods for N95 respirators (NIOSH TEB-APR-STP-0059 under US 42 CFR 84), medical face masks (ASTM F2299/F2100), and COVID-19-related barrier face coverings (ASTM F3502-21). Our experiments demonstrate the role of face velocity, particle properties (mean size, size variability, electric charge, density, and shape), measurement techniques, and environmental preconditioning. The measured filtration efficiency was most sensitive to changes in face velocity and particle charge. Relative to the NIOSH method, users of the ASTM F2299/F2100 method have commonly used non-neutralized (highly charged) aerosols as well as smaller face velocities, each of which may result in approximately 10% higher measured filtration efficiencies. In the NIOSH method, environmental conditioning at elevated humidity increased filtration efficiency in some commercial samples while decreasing it in others, indicating that measurement should be performed both with and without conditioning. More generally, our results provide an experimental basis for the comparison of respirators certified under various international methods, including FFP2, KN95, P2, Korea 1st Class, and DS2.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».