MétaCan
Menu
Retour à la cohorte
Enregistrement W4415498861 · doi:10.53063/synsint.2025.53303

Investigating the synthesis and application of phase change material composites in firefighting clothing

2025· article· W4415498861 sur OpenAlexvenueno aff
Elnaz Rahimi, Aziz Babapoor

Notice bibliographique

RevueSynthesis and Sintering · 2025
Typearticle
Langue
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFirefightingClothingPhase-change materialPhase changePhase (matter)Melting temperature

Résumé

récupéré en direct d'OpenAlex

Firefighters respond to emergencies and tackle accidents and fires. Currently, efforts are being made to enhance the protection provided by firefighting clothing. Embedding phase change materials (PCMs) in firefighting clothing can lead to the absorption of external heat flow and flame heat, thereby preventing burns by offering enhanced thermal protection. Considering the importance of maintaining occupational safety and health for firefighters, this systematic review aims to investigate the use of PCMs in firefighting clothing and evaluate their effectiveness in providing thermal protection. The research draws on studies obtained from a systematic search of the Web of Science and Scopus databases. The following keywords were utilized: "phase change materials", "firefighting clothing", "firefighting vest", and "firefighting garment". Out of 225 articles identified, 13 numerical and experimental studies met our eligibility criteria. The melting temperature of PCM used in the reviewed studies ranged from 25 to 450 °C, with enthalpy values between 55 and 430 kJ/kg. The results highlighted the potential impact of PCM on enhancing the thermal resistance of firefighting clothing, as well as extending the time it takes for second-degree burns to occur. Additionally, it was concluded that the effectiveness of PCM is influenced by its type, melting temperature, enthalpy, and mass. Environmental conditions, fire scenarios, and exposure time also play significant roles in this context.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,039
Tête enseignante GPT0,308
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSynthesis and SinteringMême sujetTextile materials and evaluationsTravaux en français237 207