Microplastics and nanoplastics science: collecting and characterizing airborne microplastics in fine particulate matter
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
Microplastic (MP) pollution in the environment is increasing, leading to growing concerns about human exposures and the subsequent impact on health. Although marine MP research has received significant attention in recent years, only a few studies have attempted characterization of MP in air and examined the MP uptake and influence via inhalation on human health. Moreover, the methods used for MP characterization in the marine environment require further optimization to be applicable to MP in the air. This paper details method for collecting and characterizing MP < 2.5 μm in air samples for the purposes of toxicological assessment. The first phase of the study evaluated (a) the suitability of various filter types to collect respirable airborne MP <2.5 μm, and; (b) the ability of Raman and enhanced darkfield-hyperspectral spectroscopy methods to identify MP reference standards collected from spiked filters and in cells after exposure to reference MP. In the second phase, these methods were employed to characterize MP <2.5 μm in personal, indoor and outdoor filter air samples and in cells following exposure to filter extracted material. The results showed the presence of a variety of MP in the respirable size fraction (0.1–1 µm aerodynamic diameter). Silver membrane filters were found not suitable for collecting and analyzing MP <2.5 μm. While it was easy to detect reference MP in cells post-exposure, the identity of only two types of air-borne MP was confirmed in cells. The study highlighted possible sources of artifacts and inconsistencies in analyzing airborne MP.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle