Photochemical Degradation of Some Halogenated Anesthetics in Air
Notice bibliographique
Résumé
Anesthetic gases enter the environment primarily through patient exhalation and venting from scavenging systems directly into the atmosphere. Emissions of halogenated anesthetic gases like halothane, isoflurane and sevoflurane are of concern due to their high global warming potential, highlighting the need to mitigate their environmental impact. Photocatalytic oxidation has been proposed as a potential option for emission control and indoor air treatment, but data on its use for various halogenated anesthetics is very limited. In this work, photocatalytic oxidation efficiency for the degradation of halothane was studied by varying the method for catalyst support and catalyst mass loading. Approximately 99.9% of halothane (1296 mg/m3) in air was degraded with a TiO2 photocatalyst under UVC light (254 nm) in 35 min in a recirculating batch photoreactor. The optimized conditions for halothane demonstrated a similar although faster photocatalytic degradation efficiency for isoflurane (99.8% in 20 min, 911 mg/m3) and sevoflurane (>98% in 10 min, 847 mg/m3). The results presented here suggest that a UV–photocatalysis is a promising technique to treat such anesthetic gases before being released into the environment by scavenging systems, although significant work remains to identify the potential by-products and optimal photoreactor designs for efficient long-term operation.
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 | 0,000 | 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 ».