MétaCan
Menu
Retour à la cohorte
Enregistrement W4321359966 · doi:10.24200/sci.2022.59351.6192

Effect of turbulent and laminar flow mechanisms on airflow patterns and CO2 distribution in an operating room: a numerical analysis

2022· article· en· W4321359966 sur OpenAlexaff
Vahid Gholami Motlagh, Mohammad Ahmadzadehtalatapeh, Omid Mohammadi

Notice bibliographique

RevueScientia Iranica · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAirflowLaminar flowTurbulenceInletEnvironmental scienceFlow (mathematics)MechanicsRoom air distributionAir quality indexMeteorologyMedicineMarine engineeringMaterials scienceSimulationMechanical engineeringComputer sciencePhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Considering the risk of infection in surgeries, maintaining an acceptable indoor air quality in the operating rooms (ORs) to ensure the health and safety of patients and surgical team is very essential. Since airflow is one of the primary mechanisms for transmitting of infections and pollution, it is crucial to examine the air distribution systems in the ORs. In the present study the effect of turbulent and laminar airflow (TAF/ LAF) systems on the air and CO2 distribution in an OR was examined. The effects of inlet and outlet configurations were evaluated for seven different models. The results indicated that the LAF systems is superior over TAF systems. Based on the findings, the LAF with the air curtain configuration brings about the minimum CO2 concentration level in the OR. The results showed that LAF with the air curtain model is able to decrease the CO2 concentration by about 64.66% and 88.96% on central plane, which passes along the body patient on 1.14 m and 1.7 m above the floor, respectively compared to the existing model.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,264
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientia IranicaMême sujetInfection Control and VentilationTravaux en français237 207