MétaCan
Menu
Retour à la cohorte
Enregistrement W4393149329 · doi:10.4209/aaqr.230323

Evaluation of Personal Protective Equipment Using Low-cost Aerosol Monitors

2024· article· en· W4393149329 sur OpenAlexafffund
Alberto Baldelli, Andrew K. Poznikoff, Kevin Heieis, Robert Purdy

Notice bibliographique

RevueAerosol and Air Quality Research · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCyclone Separators and Fluid Dynamics
Établissements canadiensBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesBC Children's Hospital
Mots-clésAerosolPersonal protective equipmentEnvironmental scienceComputer scienceMeteorologyCoronavirus disease 2019 (COVID-19)MedicinePhysics

Résumé

récupéré en direct d'OpenAlex

Rapid, low-cost evaluation of personal protective equipment (PPE) is important for providing widespread and easy-to-access testing of aerosols through and round masks and shields. Most related literature has focused on how well PPE protects the wearer, not reducing aerosol transmission to the environment. Few studies have compared the efficacy for particle escape at exhalation or inhalation of face masks and face shields. Measurements of particulate matter escaping through PPE could provide information regarding the efficacy on the wearer and on the surrounding of the PPE and guide the selection of appropriate PPE to wear in different conditions. Research grade particle technology devices are not widely available. Low-cost options which are simple to use may provide a practical alternative. In this study, we measured particulate matter with a diameter less than 2.5 µm (PM2.5) emitted by a manikin placed upright at the head of a stretcher. Measurements were made using three low-cost sensors and an Optical Particle Sizer (OPS) at distances of 2, 4, and 6 feet repeated at 0, 45, and 90°, given at a horizontal plane, with respect to the mannikin. The low-cost sensors correlated well with the OPS used as a reference method and may provide a simple, low-cost, widely available alternative.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,151
Tête enseignante GPT0,425
Écart entre enseignants0,275 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAerosol and Air Quality ResearchMême sujetCyclone Separators and Fluid DynamicsTravaux en français237 207