Prévenir le gel des APRIA utilisés par les pompiers en hiver : fiche synthèse pour les pompiers et les intervenants en sécurité incendie
Bibliographic record
Abstract
Les APRIA sont des appareils de protection respiratoire isolants et autonomes.Les pompiers les utilisent pour se protéger des gaz toxiques et des cancérigènes.Or, en période hivernale, ils ont constaté la formation de gel sur certaines composantes de l'appareil, ce qui les contraint dans certains cas à cesser immédiatement leurs tâches et à se rendre dans un endroit sécuritaire. ObjectifsIdentifier les principales causes de gel des APRIA et les pratiques préventives à l'aide d'une recherche dans la littérature. Faits saillants• Le gel de l'APRIA peut survenir à des températures ambiantes de ≤ 5°C (et parfois plus chaudes).• Le gel peut nuire au bon fonctionnement de plusieurs composantes de l'APRIA (p.ex.: régulateurs, systèmes électroniques, composantes plastiques fragilisées).• Le remplissage de la bouteille d'air comprimé doit respecter des normes de qualité de l'air ET de température de point de rosée (pour limiter la présence de vapeurs d'eau).• L'utilisation d'un APRIA doit être encadrée par un programme de protection respiratoire.• L'usage, l'entretien et l'entreposage de l'APRIA doivent respecter les recommandations du fabricant.Institut de recherche Robert-Sauvé en santé et en sécurité du travail
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".