31 Development and Characterization of a Generation System for Airborne Diisocyanates
Notice bibliographique
Résumé
Abstract Diisocyanates are fast-reacting semi-volatile compounds and one of the main components in the production of polyurethane-based materials. They are known as a predominant causal agent of occupational asthma. Discrepancies within well-documented and validated methods were observed and factual explanations of these discrepancies are not yet available. A more in-depth investigation of isocyanate measurement methods' efficiencies should be undertaken. The objective of this study was to develop a system capable of generating diisocyanate vapor and fine particle atmospheres with control of parameters such as concentration levels and vapor/particle partitioning. Two generation approaches were used: nebulization and heating. A controlled air flow (RH and T°) was combined to the generator's effluent in a mixing chamber and transferred, downstream, to an exposure chamber. A splitter collected eight samples simultaneously. The isocyanate measurement method used a glass fibre filter with 9-methylaminomethyl-anthracene (GF+MAMA). The particles were analyzed using a particle analyzer (Fidas Frog) and the particle size distribution of the isocyanates was obtained using a Marple impactor. Diphenylmethane-4,4'-diisocyanate (MDI) was generated with both generation approaches. The system was able to generate stable concentrations over time at different levels (5 to 50 µg/m3). Intratest variability was lower than 10% (RSD). By cross-referencing the data obtained by the particle counter and the Marple impactors, it was possible to document the particle-size distribution and vapor/particle partitioning of the MDI generated within the parameters used. The versatility of this system makes it a highly promising tool for assessing the performance of different diisocyanate measurement methods.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».