Barrier face coverings: Impact of washing on filtration efficiency using viral model and submicron particles
Notice bibliographique
Résumé
Barrier face coverings were commonly used during the SARS-CoV-2 pandemic as a solution for the shortage of medical-grade masks. Many of these devices are designed to be washable and reusable. As concerns rise about the environmental repercussions of single-use masks, the use of efficient, reusable barrier face coverings has begun to emerge as an alternative. If the ASTM standard F3502-21 governs the efficiency of inert particle filtration, it does not, however, require that devices be tested against viral aerosols. Although the impact of repeated washes on these devices’ ability to filter inert particles has been investigated, disagreements remain on whether washing barrier face coverings can significantly affect their efficiency. The goal of this study was to evaluate the impact of washes on the filtration efficiency of five barrier face coverings from a single manufacturer against submicron particles and a model virus. To that end, a wind tunnel specifically designed for the evaluation of masks’ filtration efficiency was used in conjunction with bacteriophage PhiX174, which proxied for human pathogens. The five barrier face coverings were washed and tested at different washing frequencies, determined as per the manufacturer’s indications. Results showed a significant loss of efficiency in filtering submicron particles and viruses for all five barrier face coverings. Resistance to washing varied across the tested devices. Reusable barrier face coverings that are intended to substitute for medical-grade masks should be tested after undergoing a maximum number of washes to provide an accurate assessment of their filtration efficiency at the time of use.Copyright © 2025 American Association for Aerosol Research
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 | 0,000 | 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) | 0,000 | 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 ».