Introducing Eyewear Lenses as Passive Samplers for Assessing Inhalation Exposure to Airborne Chemicals
Notice bibliographique
Résumé
Wearable passive samplers are inexpensive tools for assessing personal exposure to diverse contaminants through a combination of exposure pathways. This versatility, however, can be a disadvantage when it is critical to assess a specific pathway. Here, we aim to develop eyewear lenses as passive samplers that can capture inhalation exposure as a primary pathway for airborne contaminants. We designed polycarbonate lens samplers with and without a polydimethylsiloxane (PDMS) coating and compared their surface properties and chemical uptake. We compared the chemical profiles they sampled from indoor lab and office environments using solvent-soaked wipes to extract the chemicals by wiping the lens surfaces and analyzing the wipe extracts using non-targeted screening on LC-QTOF-MS. Compared to the comparably transparent uncoated lenses, the PDMS-coated lenses were up to six times rougher in morphology. This difference, unexpectedly, did not yield significant differences in the chemical profiles measured between the PDMS-coated and uncoated polycarbonate lenses. Combined, both lens types sampled over 900 features, with diverse physico-chemical properties, annotated at varying levels of confidence. Level 2 features include phthalates and organophosphate esters commonly used as plasticizers. These promising results form the foundation for further developing the lenses as passive sampling eyewear for easily assessing inhalation exposure at the population level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».