MétaCan
Menu
Retour à la cohorte
Enregistrement W4293101134 · doi:10.21203/rs.3.rs-1454342/v1

Immersive ultraviolet disinfection of E. coli and MS2 phage on woven cotton textiles

2022· preprint· en· W4293101134 sur OpenAlexafffund
Sean A. MacIsaac, Toni J. Mullin, Sebastian Muñoz, C. Carolina Ontiveros, Graham A. Gagnon

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueSkin Protection and Aging
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUltravioletMaterials scienceUltraviolet radiationEnvironmental sciencePulp and paper industryChemistryRadiochemistryOptoelectronicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Immersive ultraviolet disinfection provides a chemical-free technology for safer textiles, surfaces, and public spaces by inactivating communicable pathogens. This study examined immersive UV disinfection, using a disinfection cabinet, of E. coli and MS2 that was inoculated on white cotton T-shirts. The impact that porous materials have on UV disinfection is poorly understood with the majority of previous surface disinfection research focusing on hard, smooth surfaces. Several approaches were used in this study to characterize the light dynamics within the disinfection cabinet including colorimetric dosimetry coupons, biodosimetry, and spectroradiometry. Micro and macro geometry of porous surfaces are important factors to consider when using immersive UV technologies. Physical shading of emitted UV light within the disinfection cabinet and physical properties of a porous material, such as the woven pattern of cotton, both contribute to UV disinfection efficiency. This work identified that light distribution is crucial for immersive UV technologies as areas of T-shirts which were misaligned with UV lamp illuminance were not adequately disinfected. Other inoculated areas achieved upwards of 1-log reductions values for MS2 and upwards of 2-log reductions for E. coli .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,069
Tête enseignante GPT0,432
Écart entre enseignants0,363 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSkin Protection and AgingTravaux en français237 207