Abstract Salt mist is a significant environmental factor that causes corrosion of marine and coastal engineering facilities and electronic equipment failures. This paper presents a numerical analysis of the properties, formation, migration, and deposition processes of salt mist aerosols according to previous research. We find that salt mist is distributed as exponential distribution in the sea of vertical direction, and the number of them is directly proportional to the wind speed and the effective wave height, the critical velocity of salt mist sedimentation is proportional to the square of the particle radius. Through qualitative and quantitative analysis of related parameters, an empirical model of salt mist concentration distribution and deposition process are established, thereby enabling the calculation of salt mist concentration and deposition rate in coastal land and marine atmospheric environments. To compare with existing prediction methods, the parameters of this model are more comprehensive, not only include various meteorological data, but marine environmental data and other geographic data for calculating location. To illustrate, the model is applied to predict the salt mist concentration and deposition in the Philippines, using readily available meteorological data inputs such as wind speed, direction, temperature, and humidity. This enables the evaluation of corrosion levels.

Predicting rupture risk in small intracranial aneurysms (IAs) < 5 mm is crucial for guiding clinical decisions. This study aims to identify key clinical and morphological risk factors associated with rupture in small IAs, providing better insight for decision-making. A retrospective analysis was performed on patients with small IAs from one center, with external validation data from another center. Logistic regression identified significant risk factors for aneurysm rupture, which were incorporated into a predictive model. The model's performance was evaluated using the area under the receiver operating characteristic curve, calibration plots, and the Hosmer-Lemeshow goodness-of-fit test. Clinical utility was assessed via decision curve analysis. The training cohort consisted of 226 patients (ruptured, n = 181; unruptured, n = 92), while 136 patients (ruptured, n = 100; unruptured, n = 59) were used for external validation. Significant risk factors included hypertension, smoking, anterior communicating artery aneurysms, daughter sacs, aspect ratio, and size ratio. The model demonstrated strong predictive ability with area under the curves of 0.969 and 0.967 in the training and validation cohorts, respectively. Calibration plots indicated a good agreement between predicted and observed rupture risks, while decision curve analysis highlighted the model's clinical relevance. This study identifies and validates critical risk factors associated with small IA rupture and presents a clinically useful, high-accuracy predictive model to aid in individualized patient management.