Autoxidation of Glycols Used in Inhalable DailyProducts: Implications to the Use of ArtificialFogs and E-cigarettes
Notice bibliographique
Résumé
The use of glycols is seen in various industries and occupations. In past decades, health implications from inhalable glycols have gained public attention. By impacting indoor air quality, inhalable glycols may cause adverse health effects, especially for workers in different occupations receiving frequent exposure. Our previous work highlighted the rapid accumulation of formaldehyde and glycolaldehyde in fog juice, thus proposing the occurrence of glycol autoxidation. However, the fundamentals of glycol autoxidation remained unclear and unexplored. Our goal is to investigate the autoxidation of common glycols during indoor storage. Carbonyls were quantified using liquid chromatography-mass spectrometry (LC-MS), and peroxides from autoxidation were monitored via iodometry and UV-Vis spectrometry. The impact of external factors was also investigated, such as the water mixing ratio, and antioxidants (Vitamin C). Via weekly monitoring, a rapid formation of aldehydes in many glycols was observed, such as E-cigarette juice and triethylene glycol (TEG). Occurrence of autoxidation was confirmed by the rise of the total peroxide concentration. Additionally, we highlighted the dependence of carbonyl formation rate on the TEG-water mixing ratio, demonstrating the complicated role water plays in glycol autoxidation. We have also tested the effectiveness of Vitamin C, with suggestions for minimizing the formation of toxic carbonyls in consumer products.
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 | 0,000 |
| 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 | 0,001 | 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 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 ».