MétaCan
Menu
Retour à la cohorte
Enregistrement W4407561768 · doi:10.1063/5.0246037

Evaporation of aerosol droplets from contaminated cooling tower water

2025· article· en· W4407561768 sur OpenAlexafffund
Xavier Lefebvre, Mathieu Chartray-Pronovost, Caroline Duchaine, Émilie Bédard, Michèle Prévost, Étienne Robert

Notice bibliographique

RevuePhysics of Fluids · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensUniversité LavalPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésEvaporationAerosolPhysicsCooling towerContaminationTowerAtmospheric sciencesMeteorologyWater coolingThermodynamics

Résumé

récupéré en direct d'OpenAlex

The evaporation dynamics of water-based aerosol droplets carrying pathogens, such as Legionella from cooling towers, is critical for assessing the risks of airborne transmission. Yet, the evaporation of contaminated aerosol droplets remains poorly understood and is often overlooked by current risk assessment models. Changes in water properties, such as viscosity and surface tension, induced by the presence of nonvolatile solids or contaminants, affect the evaporation time, the droplet nuclei size, and the time resolved size evolution. The effect of these parameters was experimentally and analytically studied. Surfactants lowering surface tension introduced non-linearity in droplet size evolution, extending evaporation time by up to 14% and halting it at high concentrations. Increased viscosity delayed evaporation onset without affecting nuclei size, which remained around 8–9 μm compared to 0.5 μm for reference water droplets. High concentration of solids, covering over 60% of the droplet surface, nearly doubled the evaporation time and increased nuclei size to 20 μm. Existing evaporation models do not fully account for temporal size changes and the variability in nuclei size due to solids concentration. Improving evaporation models and incorporating them into microbial contamination risk assessments are critical to develop effective mitigation strategies, such as using efficient drift eliminators for cooling towers.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,195

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 Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,258 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetInfection Control and VentilationTravaux en français237 207