MétaCan
Menu
Back to cohort
Record W2650419462 · doi:10.70010/oxpp6896

Mesure de l’efficacité des gants de protection contre les nanoparticules dans des conditions simulant leur utilisation en milieu de travail

2016· article· fr· W2650419462 on OpenAlexaff
Ludwig Vinches, Mohamed Zemzem, Stéphane Hallé, C. Michaud Peyrot, Kevin J. Wilkinson, Nathalie Tufenkji

Bibliographic record

Venuenot available
Typearticle
Languagefr
FieldEngineering
TopicErgonomics and Human Factors
Canadian institutionsMcGill UniversityUniversité de Montréal
Fundersnot available
KeywordsPolitical science

Abstract

fetched live from OpenAlex

L’emploi croissant des nanoparticules manufacturées dans l’industrie et les laboratoires conduit inévitablement à une augmentation de l’exposition des travailleurs aux nanomatériaux. Si en laboratoire les nanoparticules sont manipulées principalement dans des espaces confinés, il en est tout autrement dans les secteurs industriels de fabrication, de transformation et de manutention de ces produits. Dans ces circonstances, la stratégie de maîtrise des risques passe par le port d’équipements de protection adaptés. Bien que de nombreuses études aient été réalisées sur les équipements de protection respiratoire (masques jetables et intégraux), encore trop peu sont menées sur la protection cutanée et en particulier sur les gants. De plus, les quelques résultats issus de la littérature sont souvent contradictoires. Cette étude s’est articulée autour de trois grandes parties correspondant aux objectifs définis en début de projet. Tout d’abord, il a permis de concevoir un banc d’essai pouvant appliquer des déformations triaxiales dynamiques sur les gants de protection, simulant leur utilisation en milieu de travail. En parallèle, un protocole d’échantillonnage rigoureux a été développé afin de minimiser les contaminations éventuelles. Les mesures des concentrations en nanoparticules dans la solution d’échantillonnage ont été réalisées par spectrométrie de masse, une technique ayant des limites de détection inférieures à une partie par milliard (ppb). La deuxième grande partie du projet a été consacrée à l’acquisition de connaissances sur les mécanismes de pénétration et la cinétique de transport des nanoparticules à travers les matériaux de gants. Plusieurs phénomènes mécaniques ou physico-chimiques ont été reconnus comme étant responsables de la perte d’intégrité des échantillons, favorisant ainsi le passage des nanoparticules. Enfin, à la suite des résultats obtenus précédemment, la dernière partie contient les recommandations émises quant au choix des gants de protection en cas de risque d’exposition aux nanoparticules. Cinq modèles de gants et cinq types de nanoparticules manufacturées ont été sélectionnés pour ce projet. Les gants retenus étaient parmi les plus utilisés dans l’industrie et les laboratoires. Il y avait trois modèles de gants en nitrile de différentes épaisseurs, un modèle en latex et un modèle en néoprène. Deux solutions de nanoparticules d’or, une d’argent, une de dioxyde de silice et une de nanocellulose cristalline ont été étudiées. Sur les cinq modèles de gants, trois d’entre eux ont montré une efficacité satisfaisante contre les nanoparticules utilisées. Cependant, il y a deux modèles en nitrile qui ont présenté une efficacité médiocre, l’un d’entre eux devant même être déconseillé lors de la manipulation de nanoparticules en solution aqueuse. Au regard de ces résultats, il est important de poursuivre cet effort de recherche. Certains paramètres extrinsèques aux matériaux, facilitant le passage des nanoparticules, ont été déterminés et étudiés. Cependant, des travaux futurs seront absolument nécessaires pour définir précisément le rôle des nanoparticules et en particulier l’effet de certains paramètres inhérents comme leur forme, leur charge ou encore leur fonctionnalisation. De plus, une collaboration plus étroite devra être établie avec les manufacturiers de gants pour proposer des matériaux de gants alternatifs offrant une protection accrue contre les nanoparticules.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.491
Threshold uncertainty score0.994

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.022
GPT teacher head0.229
Teacher spread0.207 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same topicErgonomics and Human FactorsFrench-language works237,207