MétaCan
Menu
Retour à la cohorte
Enregistrement W4406421919 · doi:10.1080/15459624.2024.2447321

Interlaboratory comparison of particle filtration efficiency testing equipment

2025· article· en· W4406421919 sur OpenAlexaff
Timothy A. Sipkens, Rym Mehri, Ruth Perez Calderon, Richard G. Green, Andrew Oldershaw, Gregory J. Smallwood

Notice bibliographique

RevueJournal of Occupational and Environmental Hygiene · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésFiltration (mathematics)Environmental scienceParticle (ecology)Environmental healthMedicineStatisticsMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Particle filtration efficiency (PFE) is a critical property of face masks, with the most common test methods using sodium chloride as a challenge aerosol. In the absence of bottom-up uncertainty budgets for PFE, interlaboratory comparisons provide an alternative route to robustly quantify the precision and bias of the method. This work presents the results of several interlaboratory comparisons of particle filtration efficiency performed across a network of laboratories. Using log-penetration as a surrogate for PFE, it is shown that expanded reproducibility intervals were consistent across most samples, at around 26% of the nominal value of log-penetration. Between-laboratory contributions to this reproducibility were significant, nearly doubling the lab-reported uncertainties in most instances and emphasizing the need for ongoing interlaboratory studies to be performed for particle filtration. More work is required to identify the causes of these between-laboratory differences, requiring dedicated testing. Alongside uncertainty quantification, testing materials across a range of variables (such as the number of layers, amount of charge on the material, and basis weight) affirm that constant quality is a good approximation when layering or changing the basis weight on an otherwise identical material.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,470
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,273
Écart entre enseignants0,253 · 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 tête enseignante, 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental HygieneMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207