Spéciation et caractérisation de poussières de béryllium
Bibliographic record
Abstract
La valeur limite pour l’exposition occupationnelle au Be est de 2,0 μg/m3. Or, exposés à des niveaux inférieurs à la norme actuelle de 2,0 μg/m3, des travailleurs peuvent développer des problèmes de santé (Eisenbud, 1998). Certaines études montrent que la spéciation du Be et la granulométrie jouent un rôle majeur au niveau de la toxicité. L’objectif de ce projet est de caractériser les particules riches en Be contenues dans des poussières recueillies en milieu industriel québécois. Les techniques initialement prévues pour effectuer la caractérisation étaient la spectrométrie des électrons Auger ainsi que la spectrométrie de la perte d’énergie des électrons (PEELS) au microscope électronique en transmission. L’analyse d’échantillons standards à l’aide de ces techniques avait confirmé leur capacité à détecter le Be. Par contre, aucune particule riche en Be n’a été détectée à l’aide de ces techniques initiales (Auger et PEELS). Néanmoins, les échantillons ont été caractérisés, physiquement et chimiquement, afin d’obtenir le plus d’information complémentaire possible. Les principaux éléments détectés étaient l’Al, le Na, le F et l’O. À ces techniques s’est ajoutée la diffraction des rayons X, permettant l’identification de composés dans les échantillons industriels tels la cryolite (Na3AlF6), l’alumine (Al2O3), le Ca(AlO2)2 et le fluorure de lithium (LiF). Cette technique s’est également avérée efficace pour la détection des composés contenant du Be dans les standards de Be et BeO, mais aucun composé contenant du Be n’a pu être détecté dans les échantillons industriels. Finalement, la SIMS-TOF (Secondary Ion Mass Spectrometry - Time Of Flight) a été utilisée. Cette méthode nous a permis de détecter du Be dans tous les échantillons industriels analysés. Les cartographies effectuées à l’aide de cette technique démontrent que les particules riches en Be mesuraient entre 25 et 75 μm et que de très faibles quantités de Be étaient détectées dans plusieurs autres particules. Cette technique a démontré la faible présence de particules riches en Be, expliquant la difficulté de détecter et analyser ces particules à l’aide des autres techniques. Bien que les échantillons industriels contenaient très peu de Be (60 à 146 ppm), il était souhaité que le Be soit concentré dans une minorité de particules détectables, que nous aurions caractérisé en détail. Par contre, le Be semble répandu en minuscules particules dans l’ensemble de l’échantillon. Cette dilution du Be limite grandement les analyses de caractérisation.Nos résultats démontrent que la majorité des particules de Be, dans les poussières sédimentées, seraient respirables, ayant un diamètre inférieur à 10 μm. Ces particules ne semblent pas être intégrées à des composés chimiques spécifiques, mais plutôt à une variété de composés chimiques.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".