Evaluation of Soft Mist Inhaler Aerosol Velocity, Size, and Deposition Inside the Mouth—A Computational Fluid Dynamics Study
Notice bibliographique
Résumé
Respiratory diseases debilitate more than 250 million people around the world. Among available inhalation devices, the soft mist inhaler (SMI) is the most efficient at delivering drugs to ease respiratory disease symptoms. In this study, we analyzed the SMI performance in terms of the aerosol's velocity profiles, flow pattern, size distribution, and deposition by employing computational fluid dynamics (CFD) simulations. We modeled two different simplified mouth geometries, idealized mouth (IM), and standard mouth (SM). Three different locations (x = 0, x = 5, and x = 10 mm) for the SMI nozzle orifice were chosen along the mouth cavity centerlines, followed by two different SMI nozzle angles (10 deg and 20 deg) for IM geometry. A flowrate of 30 L/min was applied. The simulation results were evaluated against experimental data. It was found that the SMI could be simulated successfully with a level of error of less than 10%. The inhalation flowrate significantly impacted the aerosol's velocity profile and deposition efficiency on both the IM and SM walls. The lowest particle deposition on the mouth wall occurred when a fixed flowrate (30 L/min) was applied inside both geometries, and the SMI nozzle position moved forward to x = 10 mm from the IM and SM inlets. An increase in the SMI nozzle angle increased particle deposition and decreased the deposition fraction for particles with a diameter above 5 μm inside the IM.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».