Preliminary Results on How Longer Facial Hair Lengths May Interfere With N95 Respirator Efficacy: A Brief Report
Notice bibliographique
Résumé
Background: The use of the N95 respirator outside work environments calls for a deeper understanding of the factors that interfere with its fitting, thus effectiveness. Here we determined how beard length influences N95 effectiveness. This research will improve guidance for individuals that use N95s in public spaces but cannot shave due to personal reasons. Methods: Bearded males ( N = 28) participated in this study. Participants’ beard length was measured at the chin, mid jawline, and corner of the mouth, and a respirator fit tester was used to conduct a quantitative fit test. Participants then shaved and re-took the test. Fisher’s exact test was conducted to determine the association between bearded (BEA) and clean-shaven (CLE) conditions and test passing rate. A mixed effects model was conducted with participants as a random factor to determine the differences in fit factor (FF) scores between conditions. Finally, a regression analysis was completed to determine if there was a linear relationship between the FF response and beard length at the three locations. Findings: No statistically significant difference in passing rate ( p -value = .79) and mean FF scores between BEA and CLE ( F 1,54 = 0.75, p -value = .39) was found. Although the regression analysis failed to detect a statistically significant relationship between the FF and beard length at the chin, mid jawline, and corner of the mouth ( p -values = .07, .27, and .11, respectively), the results showed a decrease in FF scores when beard length increased. Conclusion/Application to Practice: Individuals who cannot shave completely should be encouraged to keep their beard as short as possible since beard length negatively impacts N95 effectiveness.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».