斯塔福德郡大学的法医和环境科学教授Claire Gwinnett解释说：“在现场，由于环境的动态性质，如风或天气，获取样本所需的行动，以及科学家在中型船只、小船或从岸上取样所需的近距离接触，都可能发生这种情况。在移动实验室中，由于使用小型的、多用途的空间，以及类似的要求，科学家在处理样品时必须靠近样品，所以经常发生这种情况。”
数据是在Rozalia项目的60英尺海洋学帆船研究船American Promise沿哈德逊河的考察中收集的。该团队通过收集船上每个可能的污染源的纤维来追踪污染，包括科学和船队所穿的衣服、帆袋和防水布、帆和设备控制线以及内部纺织品。通过这样做，他们创建了一个目录，首先对环境样本中发现的每一个纤维和碎片进行比较。如果有匹配的，就指出程序性污染的确切来源。如果没有匹配，该微粒子被认为是污染。
研究发现，当采集水样时没有使用强有力的抗污染协议（使用金属桶采集水面样品，使用Niskin瓶采集中层水柱样品），样品中71.4%的微粒子是污染；同样，当处理水样时没有使用抗污染协议（使用真空过滤法），样品中68.4%的微粒子是污染。
共同领衔作者、Rozalia清洁海洋项目的创始人Rachael Z. Miller说：“这是一项旨在加强科学进程的研究，它揭示了我们的衣服纤维脱落的程度，不仅仅是在洗衣机或烘干机里，而是在我们穿着它和在日常生活中的行为。”
“从这项研究中，人们可以得到的一些启示是处理好我们的衣服--这可以通过调整洗衣程序来减少纤维断裂，如在冷水中洗涤，并尽可能风干；注意我们选择的衣服--越来越多的信息显示出各种类型的织物脱落的程度，并支持那些意识到并解决这一问题的品牌和组织，努力更好地了解我们的纺织品，并创新地使它们更具弹性，使用的材料对我们的自然世界施加的压力更小，同时仍然保持其保护我们免受外界影响的能力。”
该研究还提出了受法医学启发的方法，这些方法可以使在研究的收集阶段被误加到环境样本中的程序性污染的数量减少37%。这种减少可以通过减少必须分析的微粒子的数量为研究团队节省大量的时间。
未来研究的解决方案包括为整个团队配备同样的低棚、颜色异常的服装，最好也有异常的纤维形态。这将允许快速识别污染。由于在本研究中也发现了来自船长和大副衣服上的纤维，因此将整个船队纳入这些质量控制的考虑范围是很重要的。