MétaCan
Menu
Retour à la cohorte
Enregistrement W4205160181 · doi:10.26434/chemrxiv.13696705

Non-Woven Materials for Cloth-Based Face Mask Inserts: Relationship Between Material Properties and Sub-Micron Aerosol Filtration

2021· preprint· en· W4205160181 sur OpenAlexafffund
Leigh R. Crilley, A. Angelucci, Brian Malile, Cora J. Young, Trevor C. VandenBoer, Jennifer I. L. Chen

Notice bibliographique

RevueChemRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaYork University
Mots-clésPolypropyleneMaterials scienceInsert (composites)Filtration (mathematics)Woven fabricComposite materialPolyesterPolymer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Current guidance by leading public health agencies recommends wearing a 3-layer cloth-based face mask with a middle non-woven material insert to reduce the transmission of infectious respiratory viruses like SARS-CoV-2. In this work we explore the material characteristics for a range of readily available non-woven materials and their sub-micron particle filtration efficiency (PFE), with the aim of providing evidence-based guidelines for selecting appropriate materials as inserts in cloth-based masks. We observed a wide range of ideal PFE for the tested non-woven materials, with polypropylene, Swiffer and Rayon/polyester blend providing the highest PFE and breathability. Our results suggest that materials comprising loose 3D fibrous webs (e.g. flannel, Swiffer and gauze) exhibited enhanced filtration efficiency compared to compressed counterparts. Common modifications to fabrics, such as water-resistant treatment and a sewn seam were also investigated. Overall, we demonstrate that adding an appropriate non-woven material as an insert filter can significantly improve the performance of cloth-based masks, and there exist suitable cellulose-based alternatives to polypropylene.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,275
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemRxivMême sujetInfection Control and VentilationTravaux en français237 207